ECCVApr, 2016
用本地优化哈希进行 Web 规模视觉搜索、推荐和聚类
LOH and behold: Web-scale visual search, recommendation and clustering using Locally Optimized Hashing
Yannis Kalantidis, Lyndon Kennedy, Huy Nguyen, Clayton Mellina, David A. Shamma
TL;DR本文提出了一种新的哈希相似匹配方案 —— 局部优化哈希（LOH），该方案是基于一种最先进的量化算法的。LOH 可用于高效的大规模搜索、推荐、聚类和去重。我们进一步展示了 LOH 的应用：a）大规模搜索任务中，性能与其他最先进的哈希方式相当；b）大规模推荐中，可使用由数千幅图像组成的查询，从数亿图像的集合中生成准确的推荐；c）利用基于图形的算法进行高效聚类，该算法可在分布式环境中扩展到海量收藏品，或用于小集合的去重，如搜索结果，其性能优于传统哈希方案，仅需几毫秒运行。在本文中，我们在最多 1 亿张图片的数据集上进行实验，但实际上我们的系统可以扩展到更大的收藏品，并可用于在欧几里得空间中具有向量表示的其他类型的数据。