基于局部敏感哈希 LSH 的近似最近邻查找库 LSHBOX 的简单介绍
2014-07-16 11:31
441 查看
Locality-Sensitive Hashing (LSH) 是一种用于快速解决高维空间内近似最近邻查找的算法,基于该算法思想和相关文献,并参照 Wei Dong 所实现的 lshkit , 实现了一个近似最近邻查找库 LSHBOX , 该库支持
Linux , windows 和 mac 等多种操作系统以及 C , C++ , MATLAB 和 Python 等多种编程语言,可利用
CMake 进行编译。
LSHBOX 所实现的 LSH 算法有:
基于随机位抽样的局部敏感哈希 LSH Based on Random Bits Sampling
基于随机超平面的局部敏感哈希 LSH Based on Random Hyperplane
基于 p 稳定分布的局部敏感哈希 LSH Based on p-Stable Distributions
基于阈值的局部敏感哈希 LSH Based on Thresholding
谱哈希 Spectral Hashing (SH)
迭代量化 Iterative Quantization (ITQ)
根据我自己的测试中, ITQ 算法效率较高,推荐研究并使用,具体项目和参考文献请查看 项目主页
。
下图是利用该库进行图像检索所得到的效果,所用的特征是基于 SIFT 的 BOW 特征。
使用过程中如果遇到问题,可直接在评论中回复或者发送邮件至 tanggefu@gmail.com 。
Linux , windows 和 mac 等多种操作系统以及 C , C++ , MATLAB 和 Python 等多种编程语言,可利用
CMake 进行编译。
LSHBOX 所实现的 LSH 算法有:
基于随机位抽样的局部敏感哈希 LSH Based on Random Bits Sampling
基于随机超平面的局部敏感哈希 LSH Based on Random Hyperplane
基于 p 稳定分布的局部敏感哈希 LSH Based on p-Stable Distributions
基于阈值的局部敏感哈希 LSH Based on Thresholding
谱哈希 Spectral Hashing (SH)
迭代量化 Iterative Quantization (ITQ)
根据我自己的测试中, ITQ 算法效率较高,推荐研究并使用,具体项目和参考文献请查看 项目主页
。
下图是利用该库进行图像检索所得到的效果,所用的特征是基于 SIFT 的 BOW 特征。
使用过程中如果遇到问题,可直接在评论中回复或者发送邮件至 tanggefu@gmail.com 。
相关文章推荐
- LSH——局部敏感哈希一些简单介绍
- LSH local sensitive hash 局部敏感哈希简单理解
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍(转)
- 局部敏感哈希 LSH 介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
- 局部敏感哈希 LSH 介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
- 局部敏感哈希 LSH 介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
- 局部敏感哈希 LSH 介绍
- 局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍