图像检索哈希算法的发展史，标注对应的年限

以下是图像检索哈希算法的发展史及对应年限：

1. Locality Sensitive Hashing (LSH)：1999年
2. Scalable Nearest Neighbor Algorithms for High Dimensional Data：2003年
3. Spectral Hashing：2008年
4. Binary Robust Independent Elementary Features (BRIEF)：2010年
5. Fast Maximum Inner Product Search (FastMIPS)：2011年
6. Product Quantization (PQ)：2011年
7. Optimized Product Quantization (OPQ)：2013年
8. Deep Hashing：2015年
9. Compact Bilinear Pooling (CBP)：2016年
10. Deep Supervised Hashing (DSH)：2016年
11. Deep Semantic Hashing (DSH)：2017年
12. HashNet：2017年
13. Deep Bit-Width Network (DBN)：2018年
14. Quadtree-based Locality-sensitive Hashing (QLSH)：2018年
15. Attention-based Hashing (ABH)：2019年

相关问题

图像检索哈希算法的发展史，标注年限

哈希算法在图像检索中的应用可以追溯到20世纪80年代，但是直到近年来，随着深度学习和神经网络的兴起，哈希算法在图像检索中的应用才逐渐得到了广泛的关注和应用。以下是哈希算法在图像检索中的发展史及标注年限：

1. 传统哈希算法：包括局部敏感哈希（LSH）和哈希编码算法（Hashing）等。这些算法主要用于处理低维数据，如文本和稀疏数据。标注年限：20世纪80年代至21世纪初。

2. 基于深度学习的哈希算法：这些算法利用深度神经网络学习图像的特征表示，并将其转换为二进制码。这些算法包括深度哈希（DHash）、卷积神经网络哈希（CNNHash）和三元组神经网络哈希（TripletNetHash）等。标注年限：2014年至今。

3. 基于生成对抗网络的哈希算法：这些算法利用生成对抗网络（GAN）学习图像的特征表示，并将其转换为二进制码。这些算法包括生成对抗哈希（GANHash）和对抗性哈希（AdvHash）等。标注年限：2017年至今。

4. 基于自监督学习的哈希算法：这些算法利用自监督学习方法学习图像的特征表示，并将其转换为二进制码。这些算法包括自监督哈希（Self-Supervised Hashing）和自监督对抗哈希（Self-Supervised AdvHash）等。标注年限：2018年至今。

图像检索哈希算法的发展史,请标注年限

以下是图像检索哈希算法的发展史：

- 1970s：哈希函数在计算机科学领域得到广泛应用，但尚未被应用于图像检索领域。
- 1990s：研究者开始将哈希函数应用于图像检索，如使用局部不变特征(LIP)进行哈希编码。
- 2000s：基于局部不变特征的哈希算法开始被广泛应用，如SIFT哈希算法等，这些算法在图像检索领域取得了不错的效果。
- 2010s：随着深度学习的兴起，基于深度神经网络的哈希算法逐渐成为主流，如DeepBit、HashNet等。
- 2020s：现在，基于深度神经网络的哈希算法仍在不断发展，同时也有一些新的哈希算法出现，如PQ-Hash、DSH等。