JP2011257970A - 高次元の特徴ベクトルの集合から類似した特徴ベクトルを検索する検索装置及びプログラム - Google Patents
高次元の特徴ベクトルの集合から類似した特徴ベクトルを検索する検索装置及びプログラム Download PDFInfo
- Publication number
- JP2011257970A JP2011257970A JP2010131612A JP2010131612A JP2011257970A JP 2011257970 A JP2011257970 A JP 2011257970A JP 2010131612 A JP2010131612 A JP 2010131612A JP 2010131612 A JP2010131612 A JP 2010131612A JP 2011257970 A JP2011257970 A JP 2011257970A
- Authority
- JP
- Japan
- Prior art keywords
- residual
- vector
- codebook
- representative
- clusters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】登録ベクトルfをコードブックで量子化するベクトル量子化手段と、代表ベクトルfnに対する残差ベクトルfrを導出する残差ベクトル導出手段と、残差ベクトルを分割する残差ベクトル分割手段と、残差部分ベクトルfr tを残差コードブックで量子化する残差部分ベクトル量子化手段と、残差部分ベクトルfr tの残差識別値lt(1≦t≦T)の集合の転置インデックスを生成する転置インデックス生成手段とを有する。残差コードブックは、残差識別値lと残差代表ベクトルflとを対応付けた残差コードブックをM×T個記憶すると共に、登録ベクトルfの残差部分ベクトルfrtが、M×T個の残差コードブックのどれで量子化すべきかを示す残差テーブルT[n][t]を記憶する。
【選択図】図1
Description
登録ベクトルfを量子化するために、代表識別値n(=1〜N)と代表ベクトルfnとを対応付けたコードブックを記憶するコードブック記憶手段と、
登録ベクトルfを、コードブックを用いて、代表識別値nに量子化するベクトル量子化手段と、
登録ベクトルfから代表ベクトルfnを引いた残差ベクトルfrを導出する残差ベクトル導出手段と、
残差ベクトルをT個の残差部分ベクトルに分割する残差ベクトル分割手段と、
各残差部分ベクトルfr tを更に量子化するために、残差識別値l(=1〜L)と残差部分代表ベクトルflとを対応付けた残差コードブックをM×T個記憶すると共に、代表識別値nに対応付けられた登録ベクトルfの残差部分ベクトルfrtが、M×T個の残差コードブックのどれで量子化すべきかを示す残差テーブルT[n][t]を記憶する残差コードブック記憶手段と、
残差部分ベクトルfr tを、T[n][t]番目の残差コードブックで量子化する残差部分ベクトル量子化手段と、
登録ベクトルfの代表識別値n毎に、複数の残差部分ベクトルfr tの残差識別値lt(1≦t≦T)の集合と、登録ベクトルfに関する付加情報とを、各登録ベクトルfの登録情報として登録した転置インデックスを生成する転置インデックス生成手段と、
転置インデックスを、登録ベクトルの集合として記憶する転置インデックス記憶手段と
を有することを特徴とする。
ベクトル量子化手段は、クエリベクトルfを、コードブックを用いて、代表識別値nに量子化し、
残差ベクトル導出手段は、クエリベクトルfから代表ベクトルfnを引いたクエリ残差ベクトルfrを導出し、
残差ベクトル分割手段は、クエリ残差ベクトルをT個のクエリ残差部分ベクトルに分割する
と共に、
クエリ残差部分ベクトルfr tと、残差テーブルT[n][t]により指定される残差コードブックの各残差代表ベクトルft,l(1≦l≦L)との距離を算出しテーブルD[t][l]に保持する残差ベクトル距離算出手段と、
登録ベクトルの登録情報である残差識別値lt(1≦t≦T)を基に、テーブルD[t][l]を参照することで、クエリベクトルと登録ベクトルの近似距離を、距離の和d(=Σt=1 TD[t][lt])として算出する登録ベクトル距離算出手段と、
距離の和dが、所定閾値以下となる登録ベクトルを、検索結果として出力する検索判定手段と
を有することも好ましい。
学習ベクトルの集合を用いて、コードブック記憶手段に記憶すべきコードブックを生成するコードブック生成手段と、
残差コードブック記憶手段に記憶すべき残差コードブックを生成する残差コードブック生成手段と
を更に有し、
コードブック生成手段は、
学習ベクトルの集合を、N個のクラスタにクラスタリングする第1の機能と、
クラスタ毎に、代表ベクトルを導出する第2の機能と、
各代表ベクトルに、一意の代表識別値n(=1〜N)を割り当てたコードブックを生成する第3の機能と
を実行するものであり、
残差コードブック生成手段は、
代表ベクトルfnと、当該代表ベクトルfnに属する学習ベクトルfとの間の残差ベクトルfr(=f−fn)を導出することによってN個の残差クラスタを作成する第1の機能と、
残差ベクトルfrをT個の残差部分ベクトルに分割する第2の機能と、
残差部分ベクトル毎に、以下の第3から第8の機能をそれぞれ実行するものであって、
N個の残差クラスタから任意のM個の残差クラスタを選択する第3の機能と、
M個の各残差クラスタについて、各残差クラスタに所属する残差部分ベクトルを更にL個のクラスタにクラスタリングする第4の機能と、
M個の残差クラスタからそれぞれ作成されたL個のクラスタの代表ベクトル集合から、L個の要素を持つ残差コードブックをM個生成する第5の機能と、
N個の残差クラスタについて、各残差クラスタに属する残差部分ベクトルの全てを、M個の残差コードブック各々を用いて量子化した場合の量子化誤差の合計値を算出する第6の機能と、
量子化誤差の合計値が最小となる残差コードブックに、当該残差クラスタを割り当てる第7の機能と、
M個の残差コードブックについて、各残差コードブックに割り当てられた残差クラスタに含まれる全ての残差部分ベクトルを用いて、更にL個のクラスタにクラスタリングし、そのL個の新たな代表ベクトルによって残差コードブックを更新する第8の機能と
を実行することも好ましい。
ベクトルは、画像の局所特徴領域から抽出された局所特徴ベクトルであり、
登録ベクトルの付加情報は、画像識別子(IDentifier)、局所特徴領域のスケール、局所特徴領域の角度のいずれか1つを含むことも好ましい。
登録ベクトルfを量子化するために、代表識別値n(=1〜N)と代表ベクトルfnとを対応付けたコードブックを記憶するコードブック記憶手段と、
登録ベクトルfを、コードブックを用いて、代表識別値nに量子化するベクトル量子化手段と、
登録ベクトルfから代表ベクトルfnを引いた残差ベクトルfrを導出する残差ベクトル導出手段と、
残差ベクトルをT個の残差部分ベクトルに分割する残差ベクトル分割手段と、
各残差部分ベクトルfr tを更に量子化するために、残差識別値l(=1〜L)と残差部分代表ベクトルflとを対応付けた残差コードブックをM×T個記憶すると共に、代表識別値nに対応付けられた登録ベクトルfの残差部分ベクトルfrtが、M×T個の残差コードブックのどれで量子化すべきかを示す残差テーブルT[n][t]を記憶する残差コードブック記憶手段と、
残差部分ベクトルfr tを、T[n][t]番目の残差コードブックで量子化する残差部分ベクトル量子化手段と、
登録ベクトルfの代表識別値n毎に、複数の残差部分ベクトルfr tの残差識別値lt(1≦t≦T)の集合と、登録ベクトルfに関する付加情報とを、各登録ベクトルfの登録情報として登録した転置インデックスを生成する転置インデックス生成手段と、
転置インデックスを、登録ベクトルの集合として記憶する転置インデックス記憶手段と
してコンピュータを機能させることを特徴とする。
ベクトル量子化手段は、クエリベクトルfを、コードブックを用いて、代表識別値nに量子化し、
残差ベクトル導出手段は、クエリベクトルfから代表ベクトルfnを引いたクエリ残差ベクトルfrを導出し、
残差ベクトル分割手段は、クエリ残差ベクトルをT個のクエリ残差部分ベクトルに分割する
と共に、
クエリ残差部分ベクトルfr tと、残差テーブルT[n][t]により指定される残差コードブックの各残差代表ベクトルft,l(1≦l≦L)との距離を算出しテーブルD[t][l]に保持する残差ベクトル距離算出手段と、
登録ベクトルの登録情報である残差識別値lt(1≦t≦T)を基に、テーブルD[t][l]を参照することで、クエリベクトルと登録ベクトルの近似距離を、距離の和d(=Σt=1 TD[t][lt])として算出する登録ベクトル距離算出手段と、
距離の和dが、所定閾値以下となる登録ベクトルを、検索結果として出力する検索判定手段と
してコンピュータを更に機能させることも好ましい。
学習ベクトルの集合を用いて、コードブック記憶手段に記憶すべきコードブックを生成するコードブック生成手段と、
残差コードブック記憶手段に記憶すべき残差コードブックを生成する残差コードブック生成手段と
を更に有し、
コードブック生成手段は、
学習ベクトルの集合を、N個のクラスタにクラスタリングする第1の機能と、
クラスタ毎に、代表ベクトルを導出する第2の機能と、
各代表ベクトルに、一意の代表識別値n(=1〜N)を割り当てたコードブックを生成する第3の機能と
を実行するものであり、
残差コードブック生成手段は、
代表ベクトルfnと、当該代表ベクトルfnに属する学習ベクトルfとの間の残差ベクトルfr(=f−fn)を導出することによってN個の残差クラスタを作成する第1の機能と、
残差ベクトルfrをT個の残差部分ベクトルに分割する第2の機能と、
残差部分ベクトル毎に、以下の第3から第8の機能をそれぞれ実行するものであって、
N個の残差クラスタから任意のM個の残差クラスタを選択する第3の機能と、
M個の各残差クラスタについて、各残差クラスタに所属する残差部分ベクトルを更にL個のクラスタにクラスタリングする第4の機能と、
M個の残差クラスタからそれぞれ作成されたL個のクラスタの代表ベクトル集合から、L個の要素を持つ残差コードブックをM個生成する第5の機能と、
N個の残差クラスタについて、各残差クラスタに属する残差部分ベクトルの全てを、M個の残差コードブック各々を用いて量子化した場合の量子化誤差の合計値を算出する第6の機能と、
量子化誤差の合計値が最小となる残差コードブックに、当該残差クラスタを割り当てる第7の機能と、
M個の残差コードブックについて、各残差コードブックに割り当てられた残差クラスタに含まれる全ての残差部分ベクトルを用いて、更にL個のクラスタにクラスタリングし、そのL個の新たな代表ベクトルによって残差コードブックを更新する第8の機能と
してコンピュータを更に機能させることも好ましい。
ベクトルは、画像の局所特徴領域から抽出された局所特徴ベクトルであり、
登録ベクトルの付加情報は、画像識別子(IDentifier)、局所特徴領域のスケール、局所特徴領域の角度のいずれか1つを含むことも好ましい。
図2は、登録部における処理内容の説明図である。以下では、図2を参照しつつ、図1の登録部11の各機能が説明される。また、図3は、クラスタFに含まれるベクトルを代表ベクトルfnに対応付けた説明図である。
代表識別値n: 代表ベクトルfn
1: f1=(f11,f12,・・・,f1D)
2: f2=(f21,f22,・・・,f2D)
3: f3=(f31,f32,・・・,f3D)
・・・
N: fN=(fN1,fN2,・・・,fND)
登録ベクトルf: f=(f1,f2,・・・,fD)
そして、ベクトル量子化部111は、登録ベクトルfを、コードブック記憶部101に記憶されたコードブックを用いて、代表識別値n(=1〜N、n:整数値)に量子化する(図2のベクトル量子化部111参照)。
n=q(f)=argminn||f−fn||2
(登録ベクトルfの量子化関数q(f)は、||f−fn||2が最小となるnを導出
する)
q:RD->N(量子化を意味する)
fn:代表ベクトル
fr=f−fn(=q(f)):残差ベクトル
fr 1=(fr 1,1 ,fr 1,2 ,・・・,fr 1,D')
fr 2=(fr 2,D'+1 ,fr 2,D'+2 ,・・・,fr 2,D'+D')
・・・・・
fr T=(fr T,(T-1)・D'+1,fr T,(T-1)・D'+2,・・・,fr T,(T-1)・D'+D')
lt=qr T[n][t](fr t)
検索部12は、登録部11と同様に、ベクトル量子化部111と、残差ベクトル導出部112と、残差ベクトル分割部113とを有し、更に、残差ベクトル距離算出部124と、登録ベクトル距離算出部125と、検索判定部126とを有する。
図5は、学習部を更に含む検索装置の機能構成図である。
F -> F1,F2,・・・,FN
例えばk-means又はk-means++のようなクラスタリングアルゴリズムが用いられる。
(S602)クラスタ毎に、代表ベクトルfnを導出する。
f1,f2,・・・,fN
(S603)各代表ベクトルに、一意の代表識別値n(=1〜N)を割り当てたコードブックを生成する。が得られる。
残差ベクトル集合:Fr n={f−fn|f∈Fn}
(S702)残差ベクトルfrを、T個の残差部分ベクトルfr tに分割する(図8のS702参照)。
(S704)N個の残差クラスタから任意のM個の残差クラスタを選択する(図8のS704参照)。
(S705)M個の各残差クラスタについて、各残差クラスタに属する残差部分ベクトルを更にL個のクラスタにクラスタリングする(図8のS705参照)。S601と同様に、例えばk-means又はk-means++のようなクラスタリングアルゴリズムが用いられる。
(S706)M個の残差クラスタからそれぞれ作成されたL個のクラスタの代表ベクトル集合から、L個の要素を持つ残差コードブックをM個生成する(図8のS706参照)。ここで、N個の残差クラスタは、M個の中のいずれか1つの残差コードブックに対応付けられる。
(S708)N個の残差クラスタについて、各残差クラスタに属する残差部分ベクトルの全てを、M個の残差コードブック各々を用いて量子化した場合の量子化誤差の合計値を算出する。
(S709)量子化誤差の合計値が最小となる残差コードブックに、当該残差クラスタを割り当てる。
(S710)M個の残差コードブックについて、各残差コードブックに割り当てられた残差クラスタに含まれる全ての残差部分ベクトルを用いて、更にL個のクラスタにクラスタリングする。そして、そのL個の新たな代表ベクトルによって残差コードブックを更新する。
101 コードブック記憶部
102 残差コードブック記憶部
103 転置インデックス記憶部
11 登録部
111 ベクトル量子化部
112 残差ベクトル導出部
113 残差ベクトル分割部
114 残差部分ベクトル量子化部
115 転置インデックス生成部
12 検索部
125 残差ベクトル距離算出部
126 登録ベクトル距離算出部
127 検索判定部
Claims (10)
- 高次元の登録ベクトルの集合から、クエリベクトルに類似したベクトルを検索する検索装置であって、
前記登録ベクトルfを量子化するために、代表識別値n(=1〜N)と代表ベクトルfnとを対応付けたコードブックを記憶するコードブック記憶手段と、
前記登録ベクトルfを、前記コードブックを用いて、代表識別値nに量子化するベクトル量子化手段と、
前記登録ベクトルfから代表ベクトルfnを引いた残差ベクトルfrを導出する残差ベクトル導出手段と、
前記残差ベクトルをT個の残差部分ベクトルに分割する残差ベクトル分割手段と、
各残差部分ベクトルfr tを更に量子化するために、残差識別値l(=1〜L)と残差部分代表ベクトルflとを対応付けた残差コードブックをM×T個記憶すると共に、前記代表識別値nに対応付けられた登録ベクトルfの残差部分ベクトルfrtが、前記M×T個の残差コードブックのどれで量子化すべきかを示す残差テーブルT[n][t]を記憶する残差コードブック記憶手段と、
前記残差部分ベクトルfr tを、T[n][t]番目の前記残差コードブックで量子化する残差部分ベクトル量子化手段と、
前記登録ベクトルfの代表識別値n毎に、複数の残差部分ベクトルfr tの残差識別値lt(1≦t≦T)の集合と、登録ベクトルfに関する付加情報とを、各登録ベクトルfの登録情報として登録した転置インデックスを生成する転置インデックス生成手段と、
前記転置インデックスを、登録ベクトルの集合として記憶する転置インデックス記憶手段と
を有することを特徴とする検索装置。 - 前記転置インデックス記憶手段を用いて、クエリベクトルに類似したベクトルを検索するために、
前記ベクトル量子化手段は、前記クエリベクトルfを、前記コードブックを用いて、代表識別値nに量子化し、
前記残差ベクトル導出手段は、前記クエリベクトルfから代表ベクトルfnを引いたクエリ残差ベクトルfrを導出し、
前記残差ベクトル分割手段は、前記クエリ残差ベクトルをT個のクエリ残差部分ベクトルに分割する
と共に、
前記クエリ残差部分ベクトルfr tと、前記残差テーブルT[n][t]により指定される残差コードブックの各残差代表ベクトルft,l(1≦l≦L)との距離を算出しテーブルD[t][l]に保持する残差ベクトル距離算出手段と、
前記登録ベクトルの登録情報である残差識別値lt(1≦t≦T)を基に、前記テーブルD[t][l]を参照することで、クエリベクトルと登録ベクトルの近似距離を、距離の和d(=Σt=1 TD[t][lt])として算出する登録ベクトル距離算出手段と、
前記距離の和dが、所定閾値以下となる登録ベクトルを、検索結果として出力する検索判定手段と
を有することを特徴とする請求項1に記載の検索装置。 - 学習ベクトルの集合を用いて、前記コードブック記憶手段に記憶すべきコードブックを生成するコードブック生成手段と、
前記残差コードブック記憶手段に記憶すべき残差コードブックを生成する残差コードブック生成手段と
を更に有し、
前記コードブック生成手段は、
前記学習ベクトルの集合を、N個のクラスタにクラスタリングする第1の機能と、
前記クラスタ毎に、代表ベクトルを導出する第2の機能と、
各代表ベクトルに、一意の代表識別値n(=1〜N)を割り当てたコードブックを生成する第3の機能と
を実行するものであり、
前記残差コードブック生成手段は、
代表ベクトルfnと、当該代表ベクトルfnに属する学習ベクトルfとの間の残差ベクトルfr(=f−fn)を導出することによってN個の残差クラスタを作成する第1の機能と、
前記残差ベクトルfrをT個の残差部分ベクトルに分割する第2の機能と、
前記残差部分ベクトル毎に、以下の第3から第8の機能をそれぞれ実行するものであって、
N個の残差クラスタから任意のM個の残差クラスタを選択する第3の機能と、
M個の各残差クラスタについて、各残差クラスタに所属する残差部分ベクトルを更にL個のクラスタにクラスタリングする第4の機能と、
M個の残差クラスタからそれぞれ作成されたL個のクラスタの代表ベクトル集合から、L個の要素を持つ残差コードブックをM個生成する第5の機能と、
N個の残差クラスタについて、各残差クラスタに属する残差部分ベクトルの全てを、M個の残差コードブック各々を用いて量子化した場合の量子化誤差の合計値を算出する第6の機能と、
前記量子化誤差の合計値が最小となる残差コードブックに、当該残差クラスタを割り当てる第7の機能と、
M個の残差コードブックについて、各残差コードブックに割り当てられた残差クラスタに含まれる全ての残差部分ベクトルを用いて、更にL個のクラスタにクラスタリングし、そのL個の新たな代表ベクトルによって残差コードブックを更新する第8の機能と
を実行することを特徴とする請求項1又は2に記載の検索装置。 - 前記残差コードブック生成手段は、第6から第8の機能を、所定回数、又は、先の量子化誤差の合計値と後の量子化誤差の合計値との差が所定閾値以下となるまで、繰り返すことを特徴とする請求項3に記載の検索装置。
- 前記ベクトルは、画像の局所特徴領域から抽出された局所特徴ベクトルであり、
前記登録ベクトルの付加情報は、画像識別子(IDentifier)、局所特徴領域のスケール、局所特徴領域の角度のいずれか1つを含むことを特徴とする請求項1から4のいずれか1項に記載の検索装置。 - 高次元の登録ベクトルの集合から、クエリベクトルに類似したベクトルを検索する装置に搭載されたコンピュータを機能させる検索プログラムであって、
前記登録ベクトルfを量子化するために、代表識別値n(=1〜N)と代表ベクトルfnとを対応付けたコードブックを記憶するコードブック記憶手段と、
前記登録ベクトルfを、前記コードブックを用いて、代表識別値nに量子化するベクトル量子化手段と、
前記登録ベクトルfから代表ベクトルfnを引いた残差ベクトルfrを導出する残差ベクトル導出手段と、
前記残差ベクトルをT個の残差部分ベクトルに分割する残差ベクトル分割手段と、
各残差部分ベクトルfr tを更に量子化するために、残差識別値l(=1〜L)と残差部分代表ベクトルflとを対応付けた残差コードブックをM×T個記憶すると共に、前記代表識別値nに対応付けられた登録ベクトルfの残差部分ベクトルfrtが、前記M×T個の残差コードブックのどれで量子化すべきかを示す残差テーブルT[n][t]を記憶する残差コードブック記憶手段と、
前記残差部分ベクトルfr tを、T[n][t]番目の前記残差コードブックで量子化する残差部分ベクトル量子化手段と、
前記登録ベクトルfの代表識別値n毎に、複数の残差部分ベクトルfr tの残差識別値lt(1≦t≦T)の集合と、登録ベクトルfに関する付加情報とを、各登録ベクトルfの登録情報として登録した転置インデックスを生成する転置インデックス生成手段と、
前記転置インデックスを、登録ベクトルの集合として記憶する転置インデックス記憶手段と
してコンピュータを機能させることを特徴とする検索プログラム。 - 前記転置インデックス記憶手段を用いて、クエリベクトルに類似したベクトルを検索するために、
前記ベクトル量子化手段は、前記クエリベクトルfを、前記コードブックを用いて、代表識別値nに量子化し、
前記残差ベクトル導出手段は、前記クエリベクトルfから代表ベクトルfnを引いたクエリ残差ベクトルfrを導出し、
前記残差ベクトル分割手段は、前記クエリ残差ベクトルをT個のクエリ残差部分ベクトルに分割する
と共に、
前記クエリ残差部分ベクトルfr tと、前記残差テーブルT[n][t]により指定される残差コードブックの各残差代表ベクトルft,l(1≦l≦L)との距離を算出しテーブルD[t][l]に保持する残差ベクトル距離算出手段と、
前記登録ベクトルの登録情報である残差識別値lt(1≦t≦T)を基に、前記テーブルD[t][l]を参照することで、クエリベクトルと登録ベクトルの近似距離を、距離の和d(=Σt=1 TD[t][lt])として算出する登録ベクトル距離算出手段と、
前記距離の和dが、所定閾値以下となる登録ベクトルを、検索結果として出力する検索判定手段と
してコンピュータを更に機能させることを特徴とする請求項6に記載の検索プログラム。 - 学習ベクトルの集合を用いて、前記コードブック記憶手段に記憶すべきコードブックを生成するコードブック生成手段と、
前記残差コードブック記憶手段に記憶すべき残差コードブックを生成する残差コードブック生成手段と
を更に有し、
前記コードブック生成手段は、
前記学習ベクトルの集合を、N個のクラスタにクラスタリングする第1の機能と、
前記クラスタ毎に、代表ベクトルを導出する第2の機能と、
各代表ベクトルに、一意の代表識別値n(=1〜N)を割り当てたコードブックを生成する第3の機能と
を実行するものであり、
前記残差コードブック生成手段は、
代表ベクトルfnと、当該代表ベクトルfnに属する学習ベクトルfとの間の残差ベクトルfr(=f−fn)を導出することによってN個の残差クラスタを作成する第1の機能と、
前記残差ベクトルfrをT個の残差部分ベクトルに分割する第2の機能と、
前記残差部分ベクトル毎に、以下の第3から第8の機能をそれぞれ実行するものであって、
N個の残差クラスタから任意のM個の残差クラスタを選択する第3の機能と、
M個の各残差クラスタについて、各残差クラスタに所属する残差部分ベクトルを更にL個のクラスタにクラスタリングする第4の機能と、
M個の残差クラスタからそれぞれ作成されたL個のクラスタの代表ベクトル集合から、L個の要素を持つ残差コードブックをM個生成する第5の機能と、
N個の残差クラスタについて、各残差クラスタに属する残差部分ベクトルの全てを、M個の残差コードブック各々を用いて量子化した場合の量子化誤差の合計値を算出する第6の機能と、
前記量子化誤差の合計値が最小となる残差コードブックに、当該残差クラスタを割り当てる第7の機能と、
M個の残差コードブックについて、各残差コードブックに割り当てられた残差クラスタに含まれる全ての残差部分ベクトルを用いて、更にL個のクラスタにクラスタリングし、そのL個の新たな代表ベクトルによって残差コードブックを更新する第8の機能と
してコンピュータを更に機能させることを特徴とする請求項6又は7に記載の検索プログラム。 - 前記残差コードブック生成手段は、第4から第6の機能を、所定回数、又は、先の量子化誤差の合計値と後の量子化誤差の合計値との差が所定閾値以下となるまで、繰り返すようにコンピュータを更に機能させることを特徴とする請求項8に記載の検索プログラム。
- 前記ベクトルは、画像の局所特徴領域から抽出された局所特徴ベクトルであり、
前記登録ベクトルの付加情報は、画像識別子(IDentifier)、局所特徴領域のスケール、局所特徴領域の角度のいずれか1つを含むようにコンピュータを機能させることを特徴とする請求項6から9のいずれか1項に記載の検索プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010131612A JP5436346B2 (ja) | 2010-06-09 | 2010-06-09 | 高次元の特徴ベクトルの集合から類似した特徴ベクトルを検索する検索装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010131612A JP5436346B2 (ja) | 2010-06-09 | 2010-06-09 | 高次元の特徴ベクトルの集合から類似した特徴ベクトルを検索する検索装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011257970A true JP2011257970A (ja) | 2011-12-22 |
JP5436346B2 JP5436346B2 (ja) | 2014-03-05 |
Family
ID=45474086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010131612A Active JP5436346B2 (ja) | 2010-06-09 | 2010-06-09 | 高次元の特徴ベクトルの集合から類似した特徴ベクトルを検索する検索装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5436346B2 (ja) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013140494A (ja) * | 2012-01-05 | 2013-07-18 | Kddi Corp | 高次元の特徴ベクトルを検索する検索装置及びプログラム |
CN103294813A (zh) * | 2013-06-07 | 2013-09-11 | 北京捷成世纪科技股份有限公司 | 一种敏感图片搜索方法和装置 |
JP2013246739A (ja) * | 2012-05-29 | 2013-12-09 | Kddi Corp | 高次元の特徴ベクトル集合で表現されるコンテンツを高精度で検索する検索装置及びプログラム |
WO2014109127A1 (ja) | 2013-01-11 | 2014-07-17 | 日本電気株式会社 | インデックス生成装置及び方法並びに検索装置及び検索方法 |
JP2015022383A (ja) * | 2013-07-16 | 2015-02-02 | Kddi株式会社 | 画像に基づくバイナリ局所特徴ベクトルを用いた検索装置、システム、プログラム及び方法 |
JP2015106346A (ja) * | 2013-12-02 | 2015-06-08 | 株式会社Nttドコモ | レコメンド情報生成装置およびレコメンド情報生成方法 |
US10437803B2 (en) | 2014-07-10 | 2019-10-08 | Nec Corporation | Index generation apparatus and index generation method |
US11960455B2 (en) | 2021-08-16 | 2024-04-16 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for building database for retrieval, device and storage medium |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003281190A (ja) * | 2002-03-22 | 2003-10-03 | Fumiyoshi Adachi | 汎用データ検索方法 |
-
2010
- 2010-06-09 JP JP2010131612A patent/JP5436346B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003281190A (ja) * | 2002-03-22 | 2003-10-03 | Fumiyoshi Adachi | 汎用データ検索方法 |
Non-Patent Citations (1)
Title |
---|
JPN6013058931; 小野 文孝: '5.ベクトル量子化' 国際標準画像符号化の基礎技術 , 19980320, 98-109ページ, 株式会社コロナ社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013140494A (ja) * | 2012-01-05 | 2013-07-18 | Kddi Corp | 高次元の特徴ベクトルを検索する検索装置及びプログラム |
JP2013246739A (ja) * | 2012-05-29 | 2013-12-09 | Kddi Corp | 高次元の特徴ベクトル集合で表現されるコンテンツを高精度で検索する検索装置及びプログラム |
WO2014109127A1 (ja) | 2013-01-11 | 2014-07-17 | 日本電気株式会社 | インデックス生成装置及び方法並びに検索装置及び検索方法 |
US10713229B2 (en) | 2013-01-11 | 2020-07-14 | Nec Corporation | Index generating device and method, and search device and search method |
CN103294813A (zh) * | 2013-06-07 | 2013-09-11 | 北京捷成世纪科技股份有限公司 | 一种敏感图片搜索方法和装置 |
JP2015022383A (ja) * | 2013-07-16 | 2015-02-02 | Kddi株式会社 | 画像に基づくバイナリ局所特徴ベクトルを用いた検索装置、システム、プログラム及び方法 |
JP2015106346A (ja) * | 2013-12-02 | 2015-06-08 | 株式会社Nttドコモ | レコメンド情報生成装置およびレコメンド情報生成方法 |
US10437803B2 (en) | 2014-07-10 | 2019-10-08 | Nec Corporation | Index generation apparatus and index generation method |
US11960455B2 (en) | 2021-08-16 | 2024-04-16 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for building database for retrieval, device and storage medium |
Also Published As
Publication number | Publication date |
---|---|
JP5436346B2 (ja) | 2014-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5436346B2 (ja) | 高次元の特徴ベクトルの集合から類似した特徴ベクトルを検索する検索装置及びプログラム | |
JP7055187B2 (ja) | ディープバイナリハッシュおよび量子化を介した効率的なクロスモーダル検索 | |
He et al. | Scalable similarity search with optimized kernel hashing | |
CN109271486B (zh) | 一种相似性保留跨模态哈希检索方法 | |
WO2013129580A1 (ja) | 近似最近傍探索装置、近似最近傍探索方法およびそのプログラム | |
Ai et al. | Optimized residual vector quantization for efficient approximate nearest neighbor search | |
Ercoli et al. | Compact hash codes for efficient visual descriptors retrieval in large scale databases | |
CN103902704A (zh) | 面向大规模图像视觉特征的多维倒排索引与快速检索算法 | |
Iwasaki | Pruned bi-directed k-nearest neighbor graph for proximity search | |
Wei et al. | Projected residual vector quantization for ANN search | |
JP7006966B2 (ja) | ベクトル量子化の混合に基づく符号化方法及びこれを用いた最近傍探索(nns)方法 | |
Chiu et al. | Learning to index for nearest neighbor search | |
US9298757B1 (en) | Determining similarity of linguistic objects | |
CN111801665A (zh) | 用于大数据应用的分层局部敏感哈希(lsh)分区索引 | |
Ozan et al. | K-subspaces quantization for approximate nearest neighbor search | |
Rafailidis et al. | Cluster-based joint matrix factorization hashing for cross-modal retrieval | |
CN108027816B (zh) | 数据管理系统、数据管理方法及记录介质 | |
JP5637939B2 (ja) | 少ないコードブックの情報量によって高次元の特徴ベクトルを検索する検索装置及びプログラム | |
Kan et al. | Zero-shot learning to index on semantic trees for scalable image retrieval | |
CN112182262A (zh) | 一种基于特征分类的图像查询方法 | |
CN111597371A (zh) | 外观专利的多模态图像检索方法及系统 | |
Jain et al. | Approximate search with quantized sparse representations | |
Li et al. | Embedding Compression in Recommender Systems: A Survey | |
Feng et al. | A novel ECOC algorithm with centroid distance based soft coding scheme | |
CN109446408B (zh) | 检索相似数据的方法、装置、设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130304 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131122 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131128 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131210 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5436346 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |