论文笔记 ——《Kernelized Locality-Sensitive Hashing for Scalable Image Search》

最新推荐文章于 2023-05-24 16:55:47 发布

JaYiFen

最新推荐文章于 2023-05-24 16:55:47 发布

阅读量648

点赞数

分类专栏：论文笔记视觉搜索哈希技术叶小峰学习随笔

本文链接：https://blog.csdn.net/oniy_/article/details/81779425

版权

本文介绍了《Kernelized Locality-Sensitive Hashing for Scalable Image Search》这篇论文，探讨如何利用核函数进行快速近似检索。论文提出了一种在不知道或计算成本高的嵌入空间中，通过核函数构建随机超平面哈希的方法，适用于大规模视觉搜索问题。主要思想是保持相似数据点在哈希空间中相邻的概率，同时减少不同数据点映射到同一哈希桶的概率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言：

论文的链接地址没有贴了；
最近在做视觉搜索相关的哈希技术，顺便写下自己的笔记，方便以后复习；
文章是随笔的，所以可能会有不全的地方，所以有读者看到不懂的地方可以去看论文原文；
博文的目录是按照论文的目录来记录的；

Introduction

给定核函数κ(xi,xj) = φ(xi)^Tφ(xj)和数据集[含有 n 个数据】。提出问题怎么才能快速进行近似检索？

our hash functions involve computing random projections; however, unlike standard LSH, these random projections are constructed using only the kernel function and a sparse set of examples from the database itself. Our main technical contribution is to formulate the random projections necessary for LSH in kernel space. Our construction relies on an appropriate use of the central limit theorem [21], which allows us to approximate a random vector using items from our database.