科研之友
微信
新浪微博
Facebook
分享链接
摘要
面对爆炸式增长的视频监控数据,传统的检索方法已无法投入实际应用,作为一种有效的替代,基于哈希方法的近似最近邻检索已经在存储空间和时间效率上表现出巨大的优势。然而当前绝大部分哈希方法都集中于投影学习的研究,而忽视了量化编码的重要性。针对这些问题,提出了一种新的多比特量化编码方法,方法基于马修斯相关性系数(MCC)计分和编码一致性约束来构建新的代价函数,利用遗传优化算法获取量化阈值,根据阈值完成投影维的多比特分配。在典型数据集上的实验结果验证了所提出方法优于现有的一些多比特量化方法。
- 单位
面对爆炸式增长的视频监控数据,传统的检索方法已无法投入实际应用,作为一种有效的替代,基于哈希方法的近似最近邻检索已经在存储空间和时间效率上表现出巨大的优势。然而当前绝大部分哈希方法都集中于投影学习的研究,而忽视了量化编码的重要性。针对这些问题,提出了一种新的多比特量化编码方法,方法基于马修斯相关性系数(MCC)计分和编码一致性约束来构建新的代价函数,利用遗传优化算法获取量化阈值,根据阈值完成投影维的多比特分配。在典型数据集上的实验结果验证了所提出方法优于现有的一些多比特量化方法。
