Vui lòng dùng định danh này để trích dẫn hoặc liên kết đến tài liệu này:
Nhan đề: A study on parameter tuning for optimal indexing on large scale datasets
Tác giả: Dinh-Nghiep Le
Van-Thi Hoang
Duc-Toan Nguyên
The-Anh Pham
Từ khoá: Terms-Feature indexing
Approximate nearest neighbor search
Product quantization
Năm xuất bản: 2020
Tùng thư/Số báo cáo: Tạp chí Công nghệ Thông tin và Truyền thông;Số 03,CS.01 .- Tr.108-114
Tóm tắt: Fast matching is a crucial task in many Computer Vision applications due to its computationally intensive overhead. especially for high feature spaces. Promising techniques to address this problem have been investigated in the literature such as product quantization, hierarchical clustering decomposition, etc. In these approaches, a distance metric must be learned to support the ro-ranking step that helps filter out the best candidates. Nonetheless, computing the distances is a much intensively computational task and is often done during the Online search phase. As a result, this process degrades the search performance. In this work, we conduct a study on parameter tuning to rnakc efficicnt the computation of distances. Different searching strategies are also investigated to justify the impact of coding quality on search performance. Experiments have been conducted in a Standard product quantization framework and showed interesting results in terms of both coding quality and search efficiency.
Định danh:
ISSN: 2525-2224
Bộ sưu tập: Khoa học Công nghệ Thông tin và Truyền thông

Các tập tin trong tài liệu này:
Tập tin Mô tả Kích thước Định dạng  
  Giới hạn truy cập
2.18 MBAdobe PDF
Your IP:

Khi sử dụng các tài liệu trong Thư viện số phải tuân thủ Luật bản quyền.