保留相似性的哈希是大规模图像检索中最近邻居搜索的常用方法。 对于图像检索，基于深度网络的哈希方法很有吸引力，因为它们可以同时学习有效的图像表示形式和紧凑的哈希码。 本文着重于针对多标签图像的基于深度网络的哈希，每个图像都可能包含多个类别的对象。 在大多数现有的散列方法中，每个图像由一个散列码表示，这被称为语义散列。 对于多标签图像检索，此设置可能不是最佳的。 为了解决此问题，我们提出了一种深度体系结构，该体系结构学习多标签图像数据的实例感知图像表示形式，该实例表示形式分为多个组，每个组包含一个类