Quantization Papers

最新推荐文章于 2022-11-24 15:27:13 发布
最新推荐文章于 2022-11-24 15:27:13 发布
阅读量252 收藏
点赞数
文章标签： 深度学习 神经网络
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/qq_41831542/article/details/110136076
版权
Quantization Papers1. Beyond Product Quantization: Deep Progressive Quantization for Image Retrieval2. End-to-End Supervised Product Quantization for Image Search and Retrieval3. Collective Deep Quantization for Efficient Cross-Modal Retrieval1. Beyond Pr
摘要由CSDN通过智能技术生成

Quantization Papers

1. Beyond Product Quantization: Deep Progressive Quantization for Image Retrieval

DPQ

  • 流程
    首先AlextNet提取特征，用LS和LC，分别用来训练feature，LS将同类feature拉近，LC将不同 类feature拉远；接着将feature送进码本进行量化，接着重构，重构分为两种，硬重构和软重构。其中应重构是基于argmin得到哈希码b，在利用b将码字累加得到硬重构feature, 软重构则是用feature对码子做attention，用码子和attention的权重来得到软重构feature。在这些重构的feature得到之后有了计算Lquant, LquantH, Lmatch。Lquant是软重构损失，LquantH是硬重构损失，Lmatch是用软重构逼近硬重构。

  • 创新点

    最低0.47元/天 解锁文章
    Let's Go G2
    关注
    • 0
      点赞
    • 踩
    • 0
      收藏
      觉得还不错? 一键收藏
    • 0
      评论
    “玩转标签，发现层次的力量！”：跨模态哈希方法研究
    Paper weekly
    10-16 2694
    「论文访谈间」是由 PaperWeekly 和中国中文信息学会社会媒体处理专委会（SMP）联合发起的论文报道栏目，旨在让国内优质论文得到更多关注和认可。论文动机近年来，...
    quantization 顶会文章简介 2019
    JachinMa的博客
    09-15 1543
    1、SeerNet: Predicting Convolutional Neural Network Feature-Map Sparsity through Low-Bit Quantization 本文提出了一种利用特征映射稀缺性来加速CNN推断的新的通用方法。实验证明原始网络高度量化的版本足够准确地预测输出稀缺性，且利用这种在推断时的稀缺性会导致与原网络相比必不可少的准确率下降。为了加速推...
    SPQ：自监督量化的无监督图像检索算法
    qq_25480605的博客
    11-24 1210
    无监督图像检索，基于深度PQ方案
    计算机视觉论文-2021-09-07
    中科院AI算法工程师的博客
    09-07 2751
    本专栏是计算机视觉方向论文收集积累，时间：2021年9月7日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:Towards Expressive Communication with Internet Memes: A New Multimodal Conversation Dataset and Benchmark AUTHORS: Zh...
    【图像检索】Product quantization for nearest neighbor search 阅读及理解
    Damu
    09-02 1246
    文章目录AbstractIntroductionBackground: Quantization, Product Quantizer*A. Vector quantization**B.Product quantizers*Searching with Quantization*A. Computing distance using quantized codes*symmetric dista...
    Quantization
    07-07
    在"Quantization-master"这个压缩包中，很可能包含了一个关于量化技术的项目源代码，可能包括了用于演示或实验的Java程序。这些程序可能涵盖了从基本的像素量化到更复杂的图像压缩算法的实现。通过阅读和分析这些...
    uniform_quantization_edit1.zip_quantization
    09-19
    在视频编码和解码过程中，均匀量化（Uniform Quantization）是一项关键的技术，它在数字信号处理领域占有重要的地位。本文将深入探讨均匀量化的基本概念、原理以及它在视频编码中的应用。 均匀量化是一种将连续信号...
    Quantization Noise
    02-14
    关于均匀量化和浮点量化的最新英文书籍，供通信，自动化，计算机等专业的参考。
    Quantization and Training of Neural Networks
    02-11
    Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference
    图像检索之product quantization 算法解析
    热门推荐
    Swartz2015的专栏
    03-12 1万+
    图像搜索首先需要提取图像的特征信息。由于全局信息具有不稳定性和敏感性，鲁棒性较差。所以现在一般都提取图像的局部信息，如SIFT，SUFT等。这样，一副图像就可以用许多特征点组成。每个特征点用一个向量表示，对于SIFT，SUFT，这个向量是128维的。在提取出特征向量之后。因为一般每幅图像都可以提取几百上千个特征点，为了方便图像匹配，一般还需要将这些特征向量聚合成一个向量，方便比较。当然，也不是所有
    learning to hash
    LeeWei
    12-20 1245
    DeepHashingBaselines Single-Modal Deep Hashing Methods [AAAI 2014] Supervised Hashing via Image Representation Learning [paper] [code]Rongkai Xia , Yan Pan, Hanjiang Lai, Cong Liu, Shuiche
    Unsupervised Single Image Deraining with Self-supervised Constraints论文阅读
    Jerry_Leo_liu的博客
    12-15 966
    原文链接：https://arxiv.org/pdf/1811.08575.pdf 文中提到以往的无监督方法因为没有对应的ground truth来计算mse约束生成图像，因此会产生一些artifacts，还有就是以往的图像转换任务都是one to one 的transform，而雨的不确定性太多，有很多不同的视觉表现。因此文中提出了self-supervised的约束方法，如图： 输入带...
    【论文笔记——自监督学习综述】Self-supervised Visual Feature Learning with Deep Neural Networks: A Survey
    Lethe's Blog
    10-11 6909
    【论文笔记——自监督学习综述】Self-supervised Visual Feature Learning with Deep Neural Networks: A Survey Abstract Large-scale labeled data are generally required to train deep neural networks in order to obtain better performance in visual feature learning from images
    【论文阅读】半监督、自监督和无监督技术在图像分类中的应用综述
    博客
    03-01 5368
    论文标题 A survey on Semi-, Self- and Unsupervised Techniques in Image Classification 概念解释 unsupervised 输入只有样本没有标签，损失函数需要的一切参数都由输入样本生成 semi-supervised 输入的样本有一部分是有标签的，另一部分没有标签，通常损失函数=有监督损失函数+无监督损失函数 self-s...
    CVPR2019论文列表（中英对照）
    dovings的博客
    07-04 1万+
    CVPR论文列表，中英对照
    optimized product quantiization笔记
    JianqiuChen的博客
    04-18 506
    论文链接：https://www.microsoft.com/en-us/research/wp-content/uploads/2013/06/cvpr13opq.pdf 先说一下乘积量化product quantiization： 积量化（PQ）是一种有效的矢量量化方法。乘积量化器可以以非常低的存储器/时间成本生成指数大的码本。 PQ的本质是将高维向量空间分解为子空间的笛卡尔乘积，然后分别量化...
    深度学习入门:Aggregating Deep Convolutional Features for Image Retrieval
    HAHA的专栏
    06-25 4655
    深度学习入门:Aggregating Deep Convolutional Features for Image Retrieval        在原来的基于CNN的图像检索方法中使用的都是最后的全连接层的特征作为feature去进行相似度检索，但是这篇论文使用的是卷积层的特征。有一个区别需要注意的是卷积层的特征features map是N*W*H，但是fc层的特征却是一个vector
    哈希学习（2）—— Hashing图像检索资源
    flowerboya的博客
    07-11 8502
    哈希方法 公布代码的： CSDSH: Column Sampling based Discrete Supervised Hashing SGH :Scalable Graph Hashing with Feature Transformation [ Paper] AGH: Hashing with Graphs [Paper] [Code] BPBC: Learn
    hash 图像检索方法汇总
    只为成功找方法 不为失败找借口
    06-30 1550
    本文参考来自：http://yongyuan.name/blog/codes-of-hash-for-image-retrieval.html 哈希方法 主要贴公布代码的： AGH: Hashing with Graphs, Paper and CodeBPBC: Learning Binary Codes for High-Dimensional Data Using
    quantization
    最新发布
    05-12
    Quantization是一种将连续值转换为离散值的过程。在计算机科学中，quantization通常用于将高精度数字转换为低精度数字。例如，将32位浮点数转换为16位整数。这种转换可以减少数字的存储空间和计算成本，但也会引入...

    “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