HyperAIHyperAI

Command Palette

Search for a command to run...

Récupération d'images efficace par découplage de la diffusion en traitement en ligne et hors ligne

Fan Yang Ryota Hinami Yusuke Matsui Steven Ly Shin’ichi Satoh

Résumé

La diffusion est couramment utilisée comme méthode de classement ou de reclassement dans les tâches de recherche pour atteindre des performances de récupération plus élevées, et elle a suscité beaucoup d'attention ces dernières années. Un inconvénient de la diffusion est qu'elle s'exécute lentement par rapport à la recherche k-NN naïve, ce qui entraîne un coût informatique en ligne non négligeable sur de grands ensembles de données. Pour surmonter cette faiblesse, nous proposons dans cet article une nouvelle technique de diffusion. Dans notre travail, au lieu d'appliquer la diffusion à la requête, nous précalculons les résultats de diffusion de chaque élément de la base de données, rendant la recherche en ligne une simple combinaison linéaire au-dessus du processus de recherche k-NN. Notre méthode proposée devient 10 fois plus rapide en termes de vitesse de recherche en ligne. De plus, nous proposons d'utiliser une troncature tardive plutôt qu'une troncature précoce utilisée dans les travaux précédents pour obtenir des meilleures performances de récupération.


Créer de l'IA avec l'IA

De l'idée au lancement — accélérez votre développement IA avec le co-codage IA gratuit, un environnement prêt à l'emploi et le meilleur prix pour les GPU.

Codage assisté par IA
GPU prêts à l’emploi
Tarifs les plus avantageux

HyperAI Newsletters

Abonnez-vous à nos dernières mises à jour
Nous vous enverrons les dernières mises à jour de la semaine dans votre boîte de réception à neuf heures chaque lundi matin
Propulsé par MailChimp