基于哈希的圖像搜索技術(shù)_第1頁(yè)
基于哈希的圖像搜索技術(shù)_第2頁(yè)
基于哈希的圖像搜索技術(shù)_第3頁(yè)
基于哈希的圖像搜索技術(shù)_第4頁(yè)
基于哈希的圖像搜索技術(shù)_第5頁(yè)
已閱讀5頁(yè),還剩24頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

基于哈希的圖像搜索技術(shù)第一期提綱背景典型方法評(píng)價(jià)指標(biāo)總結(jié)背景圖片搜索引擎移動(dòng)搜索業(yè)務(wù)皮革紡織醫(yī)學(xué)背景為什么要用哈希?背景怎樣對(duì)圖像特征進(jìn)行哈希編碼?背景…背景…110110010110001000000001…背景110110010110001000000001……Hammingdistance:14……背景背景100001110111000101DatasetSimplehashtable背景100001110111000101DatasetQ110111SimplehashtableXOR背景100001110111000101<<NQDatasetSearchthehashtableforasmallsetofimages.Q110111SimplehashtableXOR背景背景特征進(jìn)行哈希編碼的本質(zhì)?背景Gionis,A.&Indyk,P.&Motwani,R.(1999)TakerandomprojectionsofdataQuantizeeachprojectionwithfewbits010101101NolearninginvolvedGistdescriptor典型方法

局部敏感哈希

LocalSensitiveHashingTheprobabilitythatarandom

hyperplaneseparatestwounitvectorsdependsontheanglebetweenthem:[GoemansandWilliamson1995,Charikar2004,modifiedbyme]Highdotproduct:unlikelytosplitLowerdotproduct:likelytosplitCorrespondinghashfunction:典型方法

局部敏感哈希

LocalSensitiveHashingGroundTruth32bit128bitALSHfamily,H(c,r,P1,P2),foranyp,qbelongtoS,If||p-q||≤r,thenPr(h(p)=h(q))≥P1If||p-q||≥cr,thenPr(h(p)=h(q))≤P2256bit典型方法

局部敏感哈希

LocalSensitiveHashing典型方法

局部敏感哈希

LocalSensitiveHashing典型方法

迭代量化編碼

IterativeQuantizationAveragequantizationerror:1.00(a)PCAaligned.Averagequantizationerror:0.93(b)RandomRotation.Averagequantizationerror:0.88(c)OptimizedRotation.Q(B,R)=||B-VR||F2100001111110000101001011[1].S.

Lazebnik,A.Gordo,andF.Perronnin,“IterativeQuantization:AProcrusteanApproachtoLearningBinaryCodesforLarge-scaleImageRetrieval,”Accepted,IEEETrans.PatternAnalysisandMachineLearningIntelligence,2012.典型方法

迭代量化編碼

IterativeQuantization[1].S.

Lazebnik,A.Gordo,andF.Perronnin,“IterativeQuantization:AProcrusteanApproachtoLearningBinaryCodesforLarge-scaleImageRetrieval,”Accepted,IEEETrans.PatternAnalysisandMachineLearningIntelligence,2012.典型方法

迭代量化編碼

IterativeQuantizationRRITQ32bitLSHPCAH典型方法

迭代量化編碼

IterativeQuantization典型方法迭稀疏迭代量化編碼

SparseProjectionsforHigh-DimensionalBinaryCodes[1].Y.Xia,K.He,P.Kohli,andJ.

Sun,“SparseProjectionsforHigh-DimensionalBinaryCodes,”inCVPR,2015.典型方法

核監(jiān)督哈希

SupervisedHashingwithKernels[1].W.Liu,W.Jun,R.Ji,Y.Jiang,andS.Chang,“Supervisedhashingwithkernels,”Proc.IEEECo

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論