1.確定檢索範圍
我需要找一些有關Hash在圖像檢索方面的應用相關的paper，即怎麼在編碼時保證圖像在原始特徵空間的相似性。
2.文獻搜索
使用Google學術進行搜索。搜索的關鍵詞爲“Graph”，“Hashing”，時間選擇爲2015年以來，搜索結果如下。
3.瀏覽標題和摘要
可以看到，“Scalablegraph hashing with feature transformation”的引用次數較多，所以我選擇先看這一篇的摘要。摘要的大致內容是他們提出了Scalable Graph Hashing(SGH)的方法,通過特徵轉換對原圖像進行哈希編碼，哈希編碼要保留原圖像間的相似性，他們的方法在兩個大數據集上取得了很好的效果。這與我想找的paper內容相一致。
通過此方法找到了其他幾篇paper分別是：
[1]Guosheng Lin,Chunhua Shen, Qinfeng Shi, Anton van den Hengel, and David Suter. Fastsupervised hashing with decision trees for high-dimensional data. InProceedings of the IEEE Conference on Computer Vision and Pattern Recognition,pages 1971–1978, 2014.
[2]Dongqing Zhangand Wu-Jun Li. Large-scale supervised multimodal hashing with semanticcorrelation maximization. In Proceedings of the AAAI Conference on ArtificialIntelligence, pages 2177–2183,2014.
[3]Alexandr Andoniand Piotr Indyk. Near-optimal hashing algorithms for approximate nearest neighborin high dimensions. Communications on ACM,51(1):117–122, 2008.
[4]Yunchao Gong andSvetlana Lazebnik. Iterative quantization: A procrustean approach to learningbinary codes. In Proceedings of the IEEE Conference on Computer Vision andPattern Recognition,pages 817–824, 2011.
[5]Mark J. Huiskes,B. Thomee, and Michael S. Lew. New trends and ideas in visual conceptdetection: The mir flickr retrieval evaluation initiative.In Proceedings of theACM International Conference on Multimedia Information Retrieval, pages527–536, 2010.
[6]Wei Liu, JunWang, Sanjiv Kumar, and Shih-Fu Chang. Hashing with graphs. In Proceedings of theInternational Conference on Machine Learning, 2011.
[7]Yair Weiss,Antonio Torralba, and Robert Fergus. Spectral hashing. In Proceedings of theAdvances in Neural Information Processing Systems, pages 1753–1760, 2008.
[8]Wei Liu, JunWang, Rongrong Ji, Yu-Gang Jiang, and Shih-Fu Chang. Supervised hashing withkernels. In Proceedings of the IEEE Conference on Computer Vision and PatternRecognition, pages 2074–2081, 2012.
[9]Wei Liu, Cun Mu,Sanjiv Kumar, and ShihFu Chang. Discrete graph hashing. In Proceedings of theAdvances in Neural Information Processing Systems, pages 3419–3427, 2014.
4.獲取paper
看到此篇paper是發表在IJCAI上的，從圖書館的數據庫中獲取此篇paper。
5.瀏覽paper
瀏覽大致內容，對每篇paper進行一個大致的評估，確定第3步中選擇的都是你需要的paper。
6.抽取每篇paper的特徵並進行總結
對這幾篇paper提到的哈希方法進行總結：
哈希分爲數據獨立和數據依賴的哈希，傳統哈希如LSH是數據獨立的，數據依賴的哈希從訓練數據中得到哈希函數，精度更高編碼更短[2][4][8]。存在的數據依賴哈希又可以分爲有監督的和無監督的，無監督的方法包括譜哈希（SH）[7]，錨點哈希（AGH）[6]，離散圖哈希（DGH）[9]等，而SGH在圖哈希算法中需要的運行時間短且精度更高。