Sep, 2015

从高维数据到中等长度的二进制代码：投影库

PDF
TL;DR为了在保持高识别精度的前提下减少计算及存储成本，本文提出了一种名为‘Binary Projection Bank’的嵌入方法，通过学习一组小的投影来实现从高维特征向量向中等维二进制码转换，实验论证了该方法和现有技术相比在减小内存和编码复杂度方面具有较大优势。
high-dimensional featuresfisher vectorbinary codescomputational efficiencybinary projection bank
发现论文，激发创造
  • 三元组深度二进制嵌入网络的快速训练

    本文针对图像检索任务，提出一种从图像到二进制码的压缩映射方法，使用三元组损失函数进行训练，并通过多标签分类问题和深度卷积神经网络实现高维二进制码的学习，从而实现高效的图像检索。

    Mar, 2016

  • 一种用于数据集级应用的原型汇聚表示法

    本研究提出了一种基于样本原型聚类的数据集向量化方法，即包含语义原型的数据集级词袋模型，可用于评估数据集的适用性和测试集的难度，并且在不考虑数据集标签的情况下，与 Jensen-Shannon divergence 相结合，有效地衡量数据集之间的相似性。

    Mar, 2023

  • 随机投影的编码

    本文研究了随机投影方法下的编码策略对算法表现的影响，发现在相似性度量和线性分类器训练任务中，均匀量化编码比现有方法更优，而在实际应用中，非均匀 2 位编码也表现较好。

    Aug, 2013

  • 紧凑双线性池化

    本研究提出两种紧凑的双线性表示方法，与完整的双线性表示具有相同的判别能力，但仅具有几千个维度。这些紧凑的表示通过对双线性池化的核分析导出，为其他紧凑池化方法的研究提供了平台。实验证明，提出的表示方法对于多个数据集的图像分类和少样本学习都具有实用价值。

    Nov, 2015

  • 二进制段落向量

    本文介绍了 Binary Paragraph Vector 模型，它是一种使用简单的神经网络生成高效信息检索的短二进制编码。我们发现，Binary Paragraph Vector 在使用更少的位数时优于自编码二进制编码，并在转移学习场景中评估它们的精度，结果表明，二元段向量可以捕获与各个特定领域相关的语义。最后，我们提出了一种同时学习短二进制码和长实数表示的模型，可用于在大型文档集合中快速检索高度相关的文档。

    Nov, 2016

  • 局部敏感二进制编码的双线性随机投影

    本文介绍了一种基于二次随机投影的双线性随机投影方法，通过对特征矩阵进行投影并生成二进制编码，从而实现相似性搜索。实验结果表明该方法具有较高的有效性。

    Jun, 2015

  • 腾讯的基于二进制编码的检索

    提出了一种基于二进制嵌入的检索引擎，利用轻量级的转换模型和残差多层感知器 (MLP) 块将完整精度的查询和文档嵌入压缩成多个二进制向量的组合，并使用嵌入到嵌入的策略来实现无需任务的高效训练。对离线基准和在线 A/B 测试进行了广泛的实验，证明了该方法的效率和有效性，在几乎不损失系统准确性的情况下，显著节省了 30%~50% 的索引成本。

    Feb, 2023

  • 使用图割和增强决策树的监督哈希

    本文介绍了一种灵活而简单的框架，该框架可以容纳不同类型的损失函数和哈希函数，并可将现有方法放在上下文中，并简化了新问题特定哈希方法的开发。我们提出了一个具有 Hash 编码和 Hash 函数学习两个步骤的框架，其中前一步通常可以被表述为二次问题，而后一步则可以用训练标准的二元分类器来完成。实验表明，我们的方法在高维数据上比大多数最先进的方法表现显著优越。

    Aug, 2014

  • 结构化散列投影的二进制嵌入

    此论文研究了利用哈希机制来构建二进制嵌入的方法，该方法包括伪随机投影和非线性映射，使用结构化矩阵可以有效地压缩信息并降低随机性使用，实验证明了其对神经网络学习性能和最近邻分类器性能的依赖关系。

    Nov, 2015

  • 二进制矩阵追踪哈希

    该研究提出了一种新型的两阶段哈希方法，通过残差学习方案构建二进制码以适应任意区域结构，并且使用高容量哈希函数（如 CNNs），可以在许多标准邻域定义中大大简化二进制代码推断，从而产生更强大的代码，该方法在广泛使用的图像检索基准测试中表现优异。

    Aug, 2018