EFANNA : An Extremely Fast Approximate Nearest Neighbor Search Algorithm Based on kNN Graph

最新推荐文章于 2023-02-18 20:50:54 发布
最新推荐文章于 2023-02-18 20:50:54 发布
阅读量1.3k 收藏 2
点赞数 1
分类专栏： 算法
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/jollyjumper/article/details/78290944
版权

读完论文，留念一下。

论文详细得显啰嗦，按照描述，是个性能很好、灵活性较好的Graph-based ANN算法。

http://xueshu.baidu.com/s?wd=paperuri%3A%28139d7c9161631b6a9ded855a116282df%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Farxiv.org%2Fpdf%2F1609.07228&ie=utf-8&sc_us=3066829761667549368

jollyjumper
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
C++实现K最邻近算法(机器学习 KNN KD树)
08-17
C++实现K最邻近算法, 使用KD树来实现, 在面对大量数据时可以提高搜索效率. 代码干净, 整洁, 有注释, 可直接使用.
torch-geometric:torch_cluster库knn_graph函数详解
噢啦啦耶的博客
04-18 6424
参考资料：https://github.com/zxin1023/pytorch_cluster   今天在阅读一份图神经网络的代码时碰到了knn_graph函数。图神经网络如果使用动态图，通常需要获取节点的k近邻作为邻居节点，这个时候就会用到knn_graph函数了。knn_graph函数并不是torch-geometric自带的，而是torch_cluster库中的函数，这也可以说明为什么安装torch-geometric前需要先安装torch_cluster库。   这里，我从官方手册里搬运knn_g
全国大学生智能汽车竞赛图像采集处理上位机开源！
qq_45806640的博客
07-27 4435
全国大学生智能汽车竞赛 图像处理上位机 开源！开源！
（FLANN论文）fast approximate nearest neighbors with automatic algorithm configuration——中英对照翻译
Cristina的博客
06-24 1427
Abstract 在许多计算机视觉问题中，最耗时的部分是高维空间中的最近邻匹配。 没有已知的精确算法能比线性搜索更快地解决这些高维问题。 众所周知，近似算法可以提供很大的加速，但精度损失很小，但许多这样的算法已经发表，对于任何给定的问题，在选择算法及其参数方面只有很少的指导。 在本文中，我们描述了一个回答“什么是最快的近似最近邻算法”问题的系统 我们的系统将采取任何给定的数据集和所需的精度，并使用这些自动确定最佳算法和参数值。 我们还描述了一种新的算法，将优先级搜索应用于分层k-means树，这种算法可以
ORB角点检测--快速近似最近邻（FLANN）匹配--c++
最新发布
Super__Idol的博客
02-18 875
ORB角点检测--快速近似最近邻（FLANN）匹配--c++
文本分类——快速kNN设计实现
知更鸟的博客
11-07 5090
内容提要介绍普通kNN实现快速kNN实现实验对比分析总结 介绍   文本分类——常见分类模型   kNN分类模型的主要思想：通过给定一个未标注文档d，分类系统在训练集中查找与它距离最接近的k篇相邻(相似或相同)标注文档，然后根据这k篇邻近文档的分类标注来确定文档d的类别。 普通kNN实现   一般常规的kNN计算新输入文档与训练集中样本之间的距离，都是新输入文档与每一训练集样本计算相似度。数据结构...
极度快速的近似最近邻搜索算法(EFANNA)-学习笔记
whenever5225的博客
02-26 5136
博客地址：www.mzwang.top 微信公众号：whenever5225 引言 极度快速的近似最近邻搜索算法(EFANNA)是NSG的作者之前的一篇论文，这篇论文主要介绍用更快的方法建立KNN图并且建立一个高性能的KNN图索引。这种方法建KNN图时采用类似于Wei等人提出的方案(地址)，首先初始化一个KNN图，然后再使用NN-descent的方法精细化KNN图。该论文提出的方法改进了初始化KN...
FAST APPROXIMATE NEAREST NEIGHBORS WITH AUTOMATIC ALGORITHM CONFIGURATION
03-06
For many computer vision problems, the most time consuming component consists of nearest neighbor matching in high-dimensional spaces. There are no known exact algorithms for solving these high-dimensional problems that are faster than linear search. Approximate algorithms are known to provide large speedups with only minor loss in accuracy, but many such algorithms have been published with only minimal guidance on selecting an algorithm and its parameters for any given problem. In this paper, we describe a system that answers the question, “What is the fastest approximate nearest-neighbor algorithm for my data? ” Our system will take any given dataset and desired degree of precision and use these to automatically determine the best algorithm and parameter values. We also describe a new algorithm that applies priority search on hierarchical k-means trees, which we have found to provide the best known performance on many datasets. After testing a range of alternatives, we have found that multiple randomized k-d trees provide the best performance for other datasets. We are releasing public domain code that implements these approaches. This library provides about one order of magnitude improvement in query time over the best previously available software and provides fully automated parameter selection.
机器学习笔记（八）KNN原理详解和实践
haveanybody的博客
01-06 2306
一、KNN原理 K近邻法(k-nearest neighbors,KNN)是一种应用比较多的机器学习算法模型，其核心思想就是未知的对象总是和距离自己最近的群体类似。简单地说就是一个人如果经常和好人走的近，那么我们可以认为（大概率）他是好人，如果他经常和坏人混迹在一起，那么我们就会认为他更可能是坏人，在推荐领域，KNN 可以用来为消费行为相似的人推荐商品。现在还有一个不确定的问题，就是距离最近的群体怎么衡量呢？这也正是KNN中K的含义，就是找距离自己最近的K个样本。这里需要注意 KNN 中的 K 和 K-M
Fast k Nearest Neighbor Search using GPU
07-04
KNN算法的基础是对给定的query点集，对应查找在参考空间中距离最近的K个紧邻点。虽然针对于KNN算法有各种各样的优化方式，但是这里讨论的重点是CUDA对KNN问题的优化，因此采用最基础（也是最暴力的）Brute Force算法——穷举法。当空间的维度不断提高时，其他算法的计算耗时也在不断提高，但是BF-cuda的耗时没有变化（在前面的乘法计算中也采用了并行处理的方式，因此尽管空间维度增加但是依然不会影响它的计算）。当采用38400个点，96个维度的空间进行测试时，BF-Matlab用了57分钟，BF-C用了44分钟，ANN-C++用了22分钟，BF-CUDA用了不到10s。
cpp-EFANNA超快近似最近邻ANN搜索C算法库
08-16
EFANNA: 超快近似最近邻(ANN)搜索C 算法库
FLANN（Fast Library for Approximate Nearest Neighbors）
08-21
Flann库 FLANN库全称是Fast Library for Approximate Nearest Neighbors,它是目前最完整的(近似)最近邻开源库。
KNN
qq_36783816的博客
01-13 2137
前言: … 目录1 1 KNN
How to choose Approximate Nearest Neighbors Searching Algorithms？
lotus___的专栏
05-04 3337
CV人可能比较了解Approximate Nearest Neighbors Searching Algorithms(ANN)吧，因为打得交道实在是太多了。不管是Image matching/Image retrieval/Image stitching/Image recognition，最后一步总是NN searching。这一周被各种NN searching折磨着，总算有些心得体会，希望大
朴素贝叶斯经典案例:语言识别(language detection)
jollyjumper的专栏
01-22 4731
我对语言识别的问题一直很感兴趣,记得10年做全网爬虫时同事写了一个简单的网页语言检测,比较简单,只是判断unicode code point是否有足够数量落在中文的code point上,连基本的html标签都没有去除,当时也没有测试效果,很可能会把日本,韩文网页也当做中文页面了. 最近学习solr/lucene,里面就带有language detection功能,可以使用两个库,一个是tika
快速近似最近邻搜索库 FLANN - Fast Library for Approximate Nearest Neighbors
weixin_34319640的博客
01-25 586
What is FLANN? FLANN is a library for performing fast approximate nearest neighbor searches in high dimensional spaces. It contains a collection of algorithms we found to work best for nearest neighb...
KNN(k-nearest neighbor的缩写)最近邻算法原理详解
热门推荐
春华秋实
08-24 9万+
k-最近邻算法是基于实例的学习方法中最基本的，先介绍基于实例学习的相关概念。 基于实例的学习 已知一系列的训练样例，很多学习方法为目标函数建立起明确的一般化描述；但与此不同，基于实例的学习方法只是简单地把训练样例存储起来。 从这些实例中泛化的工作被推迟到必须分类新的实例时。每当学习器遇到一个新的查询实例，它分析这个新实例与以前存储的实例的关系，并据此把一个目标函数值赋给新实例。 基于实例的...
flann matlab,FLANN 快速的（近似）最近邻开源库
weixin_30611227的博客
03-18 368
FLANN - Fast Library for Approximate Nearest NeighborsFLANN is a library for performing fast approximate nearest neighbor searches in high dimensional spaces. It contains a collection of algorithms we...
Google Dense Hashmap和Sparse HashMap
jollyjumper的专栏
04-13 1万+
google code上有个著名的hash map类库，今天看了一下文档,聊做记录: sparse hashmap: 空间高效 dense hashmap:时间高效 sparse hashmap使用的数组(sparsetable),按M分为一组,每组用数组存储数据(虽然链表速度更快，但空间多),bits做查找。M越大内存overhead越小,在323位机器上是2bits,64位机器上是2.5

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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