《LDAHash: Improved Matching with Smaller Descriptors》阅读笔记

最新推荐文章于 2022-01-26 14:44:23 发布
最新推荐文章于 2022-01-26 14:44:23 发布
阅读量877 收藏 1
点赞数
分类专栏： LSH
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a_Mao2016/article/details/79445656
版权
论文《LDAHash: Improved Matching with Smaller Descriptors》提出了一种线性判别分析（LDA）哈希方法，生成的汉明码长度减小10-20倍，同时提高图像匹配准确性。即使在视角变化大的情况下，仍能识别为同一类别。主要步骤包括投影矩阵选择、阈值设定和二值化。实验表明，LDAHash在保持高匹配率的同时，降低了描述符长度。
摘要由CSDN通过智能技术生成

      论文中提出了一种LDAHashing（Linear Discriminant Analysis )， 比之前的哈希算法产生的汉明码短了10-20倍，并且更好的匹配相关图片。在同一个视图，不同的角度这种情况下，即使欧拉空间显示距离距离非常大，但仍然被识别为同一类。


步骤

1.投影矩阵

2.阈值选择


定义一个距离度量对于那些在正例里面的数据，数据点据小于R。在负例里面的数据点距大于R。

可构造该损失函数：

最低0.47元/天 解锁文章
a_Mao2016
关注
专栏目录
UG\NX二次开发 多少词汇量才能无障碍阅读开发帮助
王牌飞行员_里海的博客
04-24 2155
大家都知道UFUN的帮助是英文的，有的开发者抱怨看不懂，还有的开发者为了能看懂接口说明专门学英语，那么英语学成什么程度就能无障碍阅读接口文档？我比较好奇，所以专门将UF_MODL部分的ufun函数的接口说明，提取出单词以作统计。大家猜一猜无障碍阅读UF_MODL部分的内容，需要多少词汇量储备呢？
笔记：PoseCNN:A Convolutional Neural Network for 6D Object Pose Estimation in Cluttered Scenes
kadima_WEI的博客
12-23 933
一种新的用于6D物体姿态估计的卷积神经网络PoseCNN
哈希检索方面的论文、代码和数据集Learning to Hash Paper, Code and Dataset
GarfieldEr007的专栏
05-08 5943
Learning to Hash Paper, Code and Dataset Table of Content Introduction Tutorial Slides Data-Independent Method Learning to Hash Method (Data-Depende
大数据的哈希学习：入门教程 － 引子
weixin_33720452的博客
03-02 842
翻译自 Learning to Hash for Big Data: A Tutorial。 引子 大数据中的最近邻搜索 最近邻搜索（Nearest Neighbor Search）：给定查询点 q，返回数据库中距离 q 最近（最相似）的点集。 Facebook：7.5 亿用户 Flickr：6 千万照片 Wal-Mart: 每天 2.67 亿商品；4PB 数据仓库 Sloan Digital ...
LDA-原理解析
热门推荐
weixin_NineDays66
09-07 9万+
前言 在之前的一篇博客机器学习中的数学(7)——PCA的数学原理中深入讲解了，PCA的数学原理。谈到PCA就不得不谈LDA，他们就像是一对孪生兄弟，总是被人们放在一起学习，比较。这这篇博客中我们就来谈谈LDA模型。由于水平有限，积累还不够，有不足之处还望指点。下面就进入正题吧。 为什么要用LDA 前面的博客提到PCA是常用的有效的数据降维的方法，与之相同的是LDA也是一种将数据降维的方法。P...
LDA(二) 文本聚类
蕾姆的博客
12-17 3922
一、算法原理：使用Kmeans进行聚类 二、算法流程： 1. 对给定的语料先分词，得到分词后的语料； 2. 构造词典，corpus_tfidf, 最后构造 corpus_lda 3. Kmeans聚类，pred 是对语料的聚类结果列表。 pred = kmean.predict(tfidf_vec) #!/usr/bin/python # -*- coding:utf8 -*- ...
特征哈希（Feature Hashing）
wanglyPKU的博客
07-08 1万+
特征哈希（Feature Hashing） Nov 20, 2014 在特征处理（Feature Processing）中我介绍了利用笛卡尔乘积的方法来构造组合特征。这种方法虽然简单，但麻烦的是会使得特征数量爆炸式增长。比如一个可以取N个不同值的类别特征，与一个可以去M个不同值的类别特征做笛卡尔乘积，就能构造出N*M个组合特征。 特征太多这个问题在具有个性化的问题里尤为突出。如果
NIPS2018深度学习(10)|亮点：训练技巧；强化学习；GAN(论文及代码)
hestendelin的专栏
02-25 460
[1]Step Size Matters in Deep LearningKamil Nar, S. Shankar SastryUniversity of Calif...
acpi控制笔记本风扇转速
04-16
Fixed a problem with a possible race condition between threads executing AcpiWalkNamespace and the AML interpreter. This condition was removed by modifying AcpiWalkNamespace to (by default) ignore all...
图像检索
LeeWei
12-14 2400
Table of contents: https://github.com/czxxjtu/Hash-Learning.github.io IntroductionCategories Data-Independent MethodData-Dependent Method Unsupervised HashingSupervised HashingRanking-based
【论文速递】“基于自适应辐射环编码柱状图大尺度和旋转不变性的模板匹配”
greedy_apple的博客
06-03 904
本文用以记录研究僧生涯课题相关内容，主要是对论文进行翻译，再次对论文作者表示尊敬！ 本篇论文在模板匹配方向取得了很不错的成果，可惜的是没有开源` 论文题目： Pattern recognition 2019 ：Large-scale and rotation-invariant template matching using adaptive radial ring code histograms...
LDA-线性判别分析原理及实战
Andy_shenzl的博客
04-26 1586
LDA，这里的LDA是指Linear Discriminant Analysis，即线性判别分析，不是主题模型的LDA 主要是用来进行降维分析的一种方法，在工作学习中用的更多的可能是PCA来降维，LDA跟PCA的区别在于LDA是有监督的一种降维方法。 背景 为什么要降维呢？ 这里面涉及到另一个话题，叫维度灾难：http://www.visiondummy.com/2014/04/curse...
海量数据相似度计算之simhash和海明距离
Lanceyan
08-25 5707
通过 采集系统 我们采集了大量文本数据，但是文本中有很多重复数据影响我们对于结果的分析。分析前我们需要对这些数据去除重复，如何选择和设计文本的去重算法？常见的有余弦夹角算法、欧式距离、Jaccard相似度、最长公共子串、编辑距离等。这些算法对于待比较的文本数据不多时还比较好用，如果我们的爬虫每天采集的数据以千万计算，我们如何对于这些海量千万级的数据进行高效的合并去重。最简单的做法是拿着待比较的文本
LDA的通俗理解
fengyinhesystem的博客
08-11 5978
1.PLSA模型 在讲解LDA模型之前，与LDA模型最为接近的便是下面要阐述的这个pLSA模型，给pLSA加上贝叶斯框架，便是LDA。 1.1什么是pLSA模型 我们假定一篇文档只由一个主题生成，可实际中，一篇文章往往有多个主题，只是这多个主题各自在文档中出现的概率大小不一样。比如介绍一个国家的文档中，往往会分别从教育、经济、交通等多个主题进行介绍。 假设你要写M篇文档，由于一篇文档由各个不同的词组成，所以你需要确定每篇文档里每个位置上的词。 再假定...
LDA基本介绍以及LDA源码分析(BLEI)
xiaopei的博客
09-30 3万+
Blei 基本介绍：   topic model，之前已经介绍过(http://blog.csdn.net/hxxiaopei/article/details/7617838) topic model本质上就一个套路，在doc-word user-url user-doc等关系中增加topic层，扩充为2层结构，一方面可以降维，另一方面挖掘深层次的关系，用户doc word user ur
线性判别分析LDA原理总结
zhyw0601的博客
04-07 3908
转自http://www.cnblogs.com/pinard/p/6244265.html 　在主成分分析（PCA）原理总结中，我们对降维算法PCA做了总结。这里我们就对另外一种经典的降维方法线性判别分析（Linear Discriminant Analysis, 以下简称LDA）做一个总结。LDA在模式识别领域（比如人脸识别，舰艇识别等图形图像识别领域）中有非常广泛的应用，因此我们有
ldap之openlda的安装(Centos) |第一章-yellowcong
01-15 492
Ldap是一个树状的用户管理数据库，很多服务都是支持ldap做认证的，这种方法可以和sso整合到一起，这样既满足的web服务的单点登陆，也解决了cs架构的用户认证。ldap的选型也有很多，我们使用的是开源的openldap。本文讲解了ldap的安装，配置，以及简单使用。
LDA详解
Ona_Soton的博客
01-26 1万+
LDA是一个生成式模型，是一个无监督模型 1. 输入：LDA的最小单元输入是文档，不管文档里有多少个字 2. 模型参数： ：是针对每个文档都有一个主题的概率分布，这时得到参数，是一个K维的向量，K是主题个数 ：V*K的矩阵，其中，K是主题个数，V是词库里的单词个数，矩阵中的每个位置是该单词分为某个主题的概率 （注意：LDA时无监督算法，不需要标注，数据放到模型中会自动学习每个文档的主题分布和主题的词分布，也就是模型参数） 3. 假设： 每个文档属于多个主题。 为了更好的理解LDA是一..
msft-yolo: improved yolov5 based on transformer for detecting defects of ste
最新发布
09-18
MSFT-YOLO是基于Transformer模型改进的Yolov5用于检测SE（电子元器件）缺陷的方法。 Transformer是一种先进的神经网络架构，主要用于自然语言处理任务，但在计算机视觉领域也得到了广泛应用。Yolov5则是一种经典的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值