源代碼百度雲鏈接：http://pan.baidu.com/s/1pLTtbM7 密碼：8o2r
深度學習入門選了這篇文章和相應代碼，糾結了兩三個月，加上師兄講解，現在才勉強搞懂，寫出來，自己總結一下，也希望其他人少走點彎路，之后還會寫一篇關於本文代碼的博客。由於我是從小白開始的，所以這篇文章會盡可能清楚，請大牛們不要介意我嘮叨。我寫的有錯的地方，歡迎大家留言，我更正。
文章目的和哈希碼（hashing）
講文章目的之前，先講一個概念，叫哈希（hashing）碼。當初糾結好久，查了論文，現在就憑我自己的認知寫吧，盡量直白。哈希碼總的來說，就是用一串0、1碼代表，在本文就是代表圖片啦。文中有兩種，一種叫語義哈希（Semantic Hashing）。以圖1為例，給了查詢圖片，針對這張圖生成一條語義哈希碼，這條哈希碼可以是32位，48位，64位等，在此以16位為例。假設生成的語義哈希碼是這樣0010001001011001，本文中的哈希碼是保留相似性的哈希（Similarity-preserving hashing），相似圖片生成的哈希碼也是相似的。那么它可以對數據庫中其他圖片也用相同方式（后面會講是什么方式）生成哈希碼。假設還有一張圖，哈希碼是這樣的0010001001010001，那么就可以認為這兩張圖片相似（只有一位哈希碼不同），就得到了如下圖1（5a）那樣的結果。另一種叫Category-Aware哈希。這種哈希是重點。注意名字中的Category-Aware。種類已知。如下圖1，給它一張圖，經過吧啦吧啦的處理，它對每個種類，如下圖的自行車和沙發各生成一條哈希碼。一條哈希碼代表自行車，那可以檢索帶自行車的圖；另一條哈希碼代表沙發，可以檢索帶沙發的圖。文章的目的就是對多標簽圖片（一個圖里面有多個object）生成這兩種哈希碼，可以用於檢索。（作者給的代碼里只生成哈希碼，檢索的代碼要自己寫，嗚嗚，就為這浪費了好幾天）
圖1
步驟
從一幅圖到一條哈希碼（語義哈希）或多條哈希碼（category-aware hashing）是怎樣做到的呢？分四步，第一步，把冰箱門打開；第二步，把大象放進去。。。好啦，接下來是四個步驟。先看圖吧。
圖2.對多標簽圖像生成哈希碼的深度結構。先接受一張圖（假設該圖所在數據集一共c類），接着生成N個proposals作為輸入。先經過深度卷積子網絡（GoogLeNet），通過SPP方法得到N個臨時特征向量（每個臨時特征向量針對一個proposal）。有了臨時向量，接下來有兩個分支：一個分支計算區域的標簽概率（見圖3），另一個分支生成proposal特征。
1.四部曲之生成proposal
proposal是什么呢，就是用算法處理圖像，針對object把圖像分割，這樣提取的特征可以代表特定目標。如下圖2紅色部分就是proposal。也就是算法認為哪一塊可能是一個object。本文中用了Geodesic object proposals（GOP）方法生成proposal。這個方法先不細講了，以免影響大家對文章的整體理解。總之，把圖像扔給GOP方法，它會給你多個proposal，就是它認為哪里可能是一個object。這多個proposal肯定會有重疊部分，不會像圖2那么理想。其實生成的proposal是坐標的形式，左上角的橫縱坐標和右下角的橫縱坐標四個數字代表一個proposal。
圖3.proposal
2.四部曲之深度卷積子網絡
GooLeNet這個網絡提取圖像特征效果很好，作者就以它為基礎。用它提取proposals的特征。但是我前面也講了proposals個數很多，要是用戶給了一張圖，你針對這張圖里生成的每個proposal都用GoogLeNet這種深度網絡處理一遍，那黃花菜都涼了。這里，作者用到了另一種方法Spatial Pyramid Pooling（SPP）。SPP的好處是我們可以先把整張圖用GooLeNet提取特征F，然后對每個proposal，直接根據F生成固定長度的表示。（可以理解為先計算整張圖的特征F，需要哪塊再從F中提取相應位置特征）。
3.四部曲之標簽概率計算模型
這個模型是干嘛的呢？前面不是一張圖生成了多個proposal嘛，這個模型可以告訴你，每個proposal包含每個類的概率是多少。很厲害是不是，可是我們只有整幅圖的標簽呀，還拿圖1那個自行車和沙發的圖說事，根據標簽，我們只知道圖里有自行車和沙發，你怎么知道每個proposal有自行車或沙發的概率呢？作者用了一個厲害的辦法，見圖4.對一個有着N個proposals的圖（c類），我們的工作是對每個proposal生成一個概率向量，這個向量有多長呢，c那么長，因為有c類呀。接下來如圖4，N個proposal的概率向量就堆在一起，針對每一位，都選該列最大的拿出來，放到最后的概率向量里去。舉個例子，N個proposal概率向量的第一位拿出來比，嗯，第3個proposal第一位的值最大，那就把這個值放到最后的概率向量去。這個方法叫什么cross-hypothesis max-pooling.圖4最后那部分，不就可以代表整張圖了么，因為你把它里面所有的proposals都包括了，正巧我們還有整幅圖的標簽，這就可以開始訓練了呀。原諒我先不講細節了，太痛苦。。。先講個大致。
圖4.傳說中的標簽概率計算模型。
4.哈希編碼模型
終於要開始編碼了，這部分兩個任務，一個是把整幅圖表示為1條哈希碼，就是我們前面講的語義哈希；另一個是表示為多條哈希碼，每條哈希碼和一個種類相關。種類已知哈希。（先寫這些吧，過幾天再陸續加）