迭代量化方法——Iterative Quantization: A Procrustean Approach to Learning Binary Codes

最新推荐文章于 2020-09-17 19:51:33 发布
VIP文章 最新推荐文章于 2020-09-17 19:51:33 发布
阅读量3.5k 收藏 4
点赞数
分类专栏： 计算机视觉 机器学习 文章标签： 二进制编码 计算机视觉 降维 迭代量化 similaritypreserving
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/lhaof/article/details/50758156
版权

《Iterative Quantization: A Procrustean Approach to Learning Binary Codes》这篇文章发表在2011年的CVPR会议上，由Yunchao Gong作为第一作者所著。本文是对上述文章部分段落的翻译和解析，希望读者能对这篇文章有大致的理解。

这篇文章立足的问题是如何学习一种similarity-preserving的二进制编码，similarity-preserving的意思是相似性保存，能保存相似性。这种二进制编码在大规模图片集合中的快速检索，比如使用哈希表是很有作用的。所谓能保留相似性的意思，就是本来相似的图片，它们编码出来的二进制也是相似的。本来不相似的图片，它们编码出来的二进制也是不相似的。

Yunchao Gong用一种交替最小化法，来找到一种最优的方式来旋转“零中心的”数据，使得量化误差最小。“零中心”为zero-centered，意思是，假设有n个d维数据，第i个数据为Xi，sum（Xi）为d维零向量。将数据零中心化的方法是，所有原始数据点减轻数据均值。量化误差，是在将数据点映射到一个零中心的二进制超立方体后产生的误差。注意该二进制超立方体的每一维端点值是-1和1，而并不是0和1。这个方法叫ITQ（Iterative Quantization method，迭代量化法）与多类别的谱聚类和正交的Procrustes问题有联系，能用在PCA或者CCA（canonical correlation analysis）上面。

很多二进

最低0.47元/天 解锁文章
lhaof
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
matlab迭代法程序代码-QuantMacro:2018-2019量化宏观经济学，阿联酋
05-20
matlab迭代法程序代码量化宏观经济学，2018-2019 UAB经济学博士学位第二年课程 介绍 我们的课程分为两个部分。 A部分是从基本数值方法到使用VFI，PFI解决代表代理模型（永久收入，生命周期）的方法； 最终进入市场不完整的异构代理商。 最后，我们需要解决Aiyagari-Bewley-Hugget-Imrohoroglu（ABHI）模型的递归平稳平衡。 B部分访问了Krusell和Smith（1998）模型（异构代理，不完整的市场和总体不确定性）以及可违约的主权债务。 背景资料： Jonathan Heathcote，Kjetil Storesletten和Gianluca Violante（2009）。 ，经济学年度评论 Guvenen，Fatih（2012年）。 ，里士满美联储QR Per Krusell和Anthony Smith（2006）。 ，经济学和计量经济学的进展：理论与应用，第九届世界大会 教科书参考： ：带有Fortran的相关代码 ：通过适用于Matlab的CompEcon工具箱 相似课程： 解决模型的主要策略： 1.常规的价值函数迭代（VFI）和策略
Iterative Quantization: A Procrustean Approach to Learning Binary Codes 论文理解及代码讲解
liuheng0111的博客
08-18 2569
IterativeQuantization: A Procrustean Approach to Learning Binary Codes 论文理解及代码讲解 这篇文章发表在2011年CVRP上，一作是Yunchao Gong，师从Sanjiv Kumar，关于Sanjiv Kumar可以到她的HomePage上了解。 文章目的：学习保留相似度的二值码，以用于高效的在大规模数据集中做图像
ITQ(Iterative Quantization)迭代量化方法详解
xiaoshengforever的专栏
03-07 1万+
转载：http://www.yuanyong.org/cv/itq-hashing.html CVPR 2011《Iterative Quantization: A Procrustean Approach to Learning Binary Codes》论文阅读笔记。   看过的文章，不做记录，即便当时理解透了，过一段时间后，知识总会模糊不清。所以从现在开始，
迭代量化算法的理解（ITQ）
Sky_FULLl的博客
09-17 994
迭代量化算法的理解（ITQ）迭代量化算法的步骤 迭代量化算法发表于2011-CVPR-ITQ-IterativeQuantization AProcerusteanApproachtoLearning Binary Codes这一篇论文当中。 其运用迭代的方法减少量化误差，从而得到最优的二进制代码。 迭代量化算法的步骤 1、对数据空间运用PCA（主成分分析）进行降维处理，从而将数据映射在一个二进制超立方体顶点上。 2、用||sgn(v)−v||^2的方式判定量化误差。用B表示降维后的二进制编码。用V表示降维
ITQ(Iterative Quantization)图像检索算法
人工智能讲师团
07-05 4969
开发十年，就只剩下这套Java开发体系了 >>>    ...
二值量化
hey-yahei
02-22 3381
原文链接：https://www.yuque.com/yahei/hey-yahei/binary_quantization 最近号称达到MobileNet水平的二值网络MeliusNet面世，趁这个机会顺便梳理一下二值量化的发展历程吧。 参考： 《MeliusNet: Can Binary Neural Networks Achieve MobileNet-level Accuracy? (2...
模型压缩综述：剪枝、量化、知识蒸馏
热门推荐
Fannie_Peng的博客
05-28 1万+
参考综述文章 * 2017-A Survey of Model Compression and Acceleration for Deep Neural Networks * 2018-Recent Advances in Efficient Computation of Deep Convolutional Neural Networks 参考博客： https://www.sohu.com/a/232047203_473283 https://www.jianshu.com/p
图像检索----迭代量化（Iterative Quantization）理解
CHIERYU的专栏
12-28 6964
一.目标数据集为：，每个样本为d维，每个样本为一个行向量。假设所有样本都是0均值的，即满足一下条件： 通过c个函数把每个样本x映射到一个二进制超立方体的一个顶点上，其中是一个列向量。因此得到每个样本x在二进制超立方体上的二进制编码，编码长度c，用矩阵表示描述这个过程就是： 其中sgn函数是对矩阵的元素级操作，得到的是同样大小的矩阵。ITQ的目标就是学习一个编码矩阵：。二.算法推导过程在应
ITQ（迭代量化方法）
余音的博客
09-02 685
先对数据集进行PCA降维，然后寻找量化误差最小的旋转矩阵即可得到对应该最优旋转矩阵下的特征向量的二进制编码 讲解链接：https://blog.csdn.net/u013508213/article/details/59050186 ...
实现迭代学习控制.zip_iterative learning_跟踪 控制_轨迹跟踪_轨迹跟踪控制
07-15
迭代学习控制，方便研究机器人轨迹的跟踪控制
Recursive to Iterative in Java:递归到Java中的迭代-开源
05-13
将Java递归方法转换为迭代方法。 出于教育目的，我没有对算法进行过多说明，因为对于BS学生而言，这可能是一个有趣的研究领域。
matlab.zip_GS法迭代MATLAB_iterative_迭代
09-23
求现行方程组，使用gs迭代，jacabi迭代，sor迭代的数值计算
A novel unsupervised non-iterative approach to word segmentation
02-10
A novel unsupervised non-iterative approach to word segmentation
Cooperative tracking and estimation of linear multi-agent systems with a dynamic leader via iterative learning
02-11
This paper presents a new iterative learning design approach for cooperative tracking and estimation of linear multi-agent systems with a dynamic leader. The input of the dynamic leader is unavailable...
多尺度无序池化卷积神经网络——MOP-CNN（MultiScale Orderless Pooling）
lhaof的博客
03-09 7875
本文讲解的是Yunchao Gong发表在2014年的ECCV会议上的，“Multi-Scale Orderless Pooling of Deep Convolutional Activation Features”，中文译名是深度卷积激活特征的多尺度无序池化，其中提出了一种多尺度无序池化卷积神经网络，简称是MOP-CNN，下文称为MOP。 暂时写到这，稍后补充。
深度卷积神经网络——Deep Convolutional Neural Networks
lhaof的博客
02-26 6042
本文是对深度学习大牛Hinton于2012年发表在NIPS上面的论文《ImageNet Classification with Deep Convolutional Neural Networks》进行学习的笔记。 1.关于对数据集ImageNet的处理： 研究者将图片down-sample到固定像素256*256。对于一个矩形图片，先放缩图片使短边长度为256，才取此时图片中间的256*25
多下标哈希表——Fast Exact Search in Hamming Space with Multi-Index Hashing
lhaof的博客
02-28 2660
《Fast Exact Search in Hamming Space with Multi-Index Hashing》这篇文章的第一作者是多伦多大学的Mohammad Norouzi，最早发表在CVPR2012，后被PAMI2014收录。中文译名是《基于多下标哈希的汉明空间的快速精确搜索算法》。下文是本人lhaof对文章的部分翻译和解析。 Norouzi考虑在汉明空间的两个相关的搜索问题。给
R-CNN (region-cnn)以及caffe 0.999的编译问题
lhaof的博客
11-03 221
编译运行rcnn的代码，需要安装caffe-0.999，这是个很古老的库了。下面记录一下几个坑： 1.请安装matlab-R2013a，安装R2012应该也可以，但是安装更新的版本，比如R2015b，就不行，R2014也有人出问题。 2.google-protobuf使用2.5.0，新版本可能出问题。 3.cuda不能使用9.0或以上版本，本人使用8.0没问题，更旧的版本可能也行。 本人的...
IAA(Iterative Adaptive Approach,迭代自适应法)
最新发布
04-01
IAA是一种软件开发方法，其核心思想是通过不断迭代改进和适应，来满足客户需求和变化。IAA方法包含以下几个步骤： 1. 需求收集：通过与客户沟通、分析市场需求等途径，收集客户需求。 2. 计划阶段：根据需求收集...

“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