紧致化视觉大数据分析系统.PDF

紧致化视觉大数据分析系统 VALSE 2018 纪荣嵘 厦门大学 研究动机  视觉大数据搜索识别流程  特征抽取  变换变性、速度  特征描述  判决力、鲁棒性、存储 内存数据开销 系统  特征索引 紧凑性  速度 倒排索引等技术 、近似紧邻的逼近能力  索引表大小  分类识别  嵌入式系统、硬件现  精度、速度、存储、耗电量、无线传输开销 报告提纲 视觉特征紧凑性 深度网络紧凑性 检测算法紧凑性 视觉特征紧凑性  概念介绍  排序敏感的视觉特征哈希  哈希学习中的流型保持问题 概念介绍  视觉数据近来的爆性增长 概念介绍  大规模视觉搜索技术的紧需求  际用问题：百千万视觉片、视频数据 概念介绍  计算资源限制-有限的内存时间效率容忍性  常用解决方案：近似近邻搜索ANN 概念介绍  计算资源限制-有限的内存时间效率容忍性  常用解决方案：近似近邻搜索ANN  传统的视觉特征表示维度过高  视觉词包特征，CNN特征, VLAD特征, FV特征…  倒排索引表内容开销过大  倒排表：空间换时间  移动嵌入式系统的场景限制  无法容忍高维值特征的时空开销  最小化数据通信量的需求 例子1：K-D树 例子2 ：乘法量化 概念介绍  面向大规模视觉搜索的特征哈希原理  特征二值化 局部保值、逼近原始相似度  二值特征的汉明距离-特征的相似性Locality Sensitive  汉明距离可逼近原始的欧式距离 1011001011…0101 1110101101…0010 0001111000…1010 1111111001…0001 1010101010…1001 Binary 0001111110…1010 coding 0101101001…1111 1001111000…1010 0001001001…0010 1001110010…1010 1101111000…0010 概念介绍  面向大规模视觉搜索的特征哈希原理  特征二值化 局部保值、逼近原始相似度  二值特征的汉明距离-特征的相似性Locality Sensitive