TL;DR我们提出了一种用于新颖图像发现的快速、无需训练的算法,该算法将图像集合构建成一个知觉距离加权图,通过解决 K - 稀疏特征向量问题,在显著降低内存占用的同时,能够更准确地挖掘新颖图像。
Abstract
The volume of image repositories continues to grow. Despite the availability
of content-based addressing, we still lack a lightweight tool that allows us to
discover images of distinct characteristics from a larg
提出了一种新颖的算法,用于通过非线性嵌入向量到低维欧氏空间中进行监督判别距离学习,该方法可以被视为核神经网络,并且可以通过类似于线性 Mahalanobis 距离度量学习算法的近似核化得出,该方法的模型参数数量和测试时间评估复杂度均为 O (dD),其中 D 是输入特征的维度,d 是投影空间的维数,在具有数十万个训练对的 CNN 特征的数据集上进行了实证比较。