Resumen

Se ha propuesto una búsqueda rápida de imágenes con núcleos aditivos eficientes y hashing localmente sensible al núcleo. En cuanto a mantener las funciones del núcleo, trabajos recientes han investigado métodos para crear hashing localmente sensible, que garantizan el tiempo lineal de nuestro enfoque; sin embargo, los métodos existentes aún no resuelven el problema del algoritmo de hashing localmente sensible (LSH) y sacrifican indirectamente la pérdida de precisión de los resultados de búsqueda para permitir consultas rápidas. Para mejorar la precisión de la búsqueda, mostramos cómo aplicar mapas de características explícitos en los núcleos homogéneos, que ayudan en la transformación de características y combinarlos con el hashing localmente sensible al núcleo. Demostramos nuestro método en varios conjuntos de datos grandes e ilustramos que mejora la precisión en relación con los métodos comúnmente utilizados y hace que la tarea de clasificación de objetos y la recuperación basada en contenido sean más rápidas y precisas.

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Búsqueda de imágenes; Núcleos aditivos; Hash sensible a la localidad de núcleo; Hash sensible a la localidad; Mapas de características explícitas; Clasificación de objetos
• Keywords:Image search; Additive kernels; Kernel locality-sensitive hashing; Locality-sensitive hashing; Explicit feature maps; Object classification