面向近似最近邻搜索的码字扩展增强型残差量化

摘要：

为了进一步提高图像特征向量的近似最近邻搜索精度,提出一种码字扩展增强型残差量化方法,将增强型残差量化与均值等分向量计算方法相结合,降低码书训练误差并提高特征向量量化精度.在码书训练阶段,除第1层码书训练外,利用均值等分向量计算方法将上一层码书训练的误差向量作为下一层码书训练的输入,在此基础上提出迭代优化方法降低码书训练的全局量化误差;在特征向量量化阶段,利用均值等分向量计算方法对每层码书进行扩展,用得到的新码字对该层输入特征向量进行量化以提高量化精度;最后对特征向量近似最近邻搜索,提出一种非对称欧几里得度量计算方法.在2个公开的SIFT和GIST数据集上与5种典型方法进行实验的结果表明,所提方法可降低码书训练误差10％～24％,提高近似最近邻搜索召回率1％～44％;另外,在获得相同召回率条件下,所提方法可使码书的规模减小50％.

关键词：近似最近邻搜索、向量量化、残差向量、均值等分向量

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;安徽省自然科学基金;安徽省自然科学基金;安徽省高校自然科学基金;安徽省高校自然科学基金

在线出版日期：2022-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：459-469