山东建筑大学计算机学院刘兴波博士研究成果在人工智能会议AAAI 2025发表

山东建筑大学计算机学院刘兴波博士作为第一作者的论文“Generalized Debiased Semi-Supervised Hashing for Large-Scale Image Retrieval”被AAAI 2025接收，该论文由山东建筑大学、哈尔滨工业大学（深圳）和山东大学合作完成。AAAI是国际人工智能顶级学术会议之一，被中国计算机学会评定为A类学术会议（CCF-A）。

哈希学习是大规模数据表征和检索的重要技术之一，现有的半监督哈希方法通常使用伪标签技术来生成无监督数据的判别性类别信息。但由于伪标签过程易受噪声影响，直接利用伪标签指导后续的哈希学习可能导致偏差传递和累积，进而降低哈希模型的检索精度。此外，现有的伪标签去噪方法通过给低置信度样本赋较小的权重来削弱训练噪声的做法通常需要高昂的时间和内存成本，而且半监督哈希学习目标中的相似性保持和哈希码的优化方式，如果选择不当，也会引入训练偏差。

为解决上述问题，论文对半监督哈希学习的偏差来源进行了系统的分析，并提出了通用的消偏半监督哈希方法，针对伪标签、哈希学习和哈希码优化过程中的偏差制定解决策略，提高了伪标签的可靠性、半监督哈希的检索精度和训练效率。基于5个公开数据集和18个基线方法的对比实验，验证了该论文方法在各种检索情况下的有效性。

作者：胡华

初审：李学娇

审核：李建民

终审：倪文豪