保留相似性的哈希是大规模图像检索中最近邻居搜索的一种广泛使用的方法。 最近，有监督的哈希方法很吸引人，因为它们通过合并有监督的信息来学习具有较少比特的紧凑型哈希码。 在本文中，我们提出了一种新的两阶段有监督哈希算法，该方法将哈希学习过程分解为学习近似哈希码的阶段，然后是学习哈希函数的阶段。 在第一阶段，我们提出了一个基于余量的目标，以找到近似的哈希码，以使与一对相似（不相似）图像关联的一对哈希码具有足够小的（较大的）汉明距离。 该目标导致极具挑战性的优化问题。 我们开发了一种协调下降算法来有效解
