重新审视十亿规模近似最近邻的倒排索引
计算机视觉与模式识别
2018-07-24 v2
摘要
本工作解决十亿规模最近邻搜索问题。当前针对十亿规模数据库的最先进检索系统基于倒排多索引，即近期提出的倒排索引结构的推广。多索引提供了对特征空间非常精细的划分，能够提取简洁而准确的候选短列表用于搜索查询。在本文中，我们认为简单的倒排索引在先前工作中的潜力未被充分挖掘，并主张将其同时用于高度纠缠的深度描述子和相对解纠缠的SIFT描述子。我们引入了一种基于倒排索引的新检索系统，在相同内存消耗和构建复杂度下，大幅优于多索引。例如，在十亿深度描述子数据集上，相比FAISS库中高效的倒排多索引实现，我们的系统以数倍速度达到最先进的召回率。
引用
@article{arxiv.1802.02422,
title = {Revisiting the Inverted Indices for Billion-Scale Approximate Nearest Neighbors},
author = {Dmitry Baranchuk and Artem Babenko and Yury Malkov},
journal= {arXiv preprint arXiv:1802.02422},
year = {2018}
}
备注
Paper accepted to ECCV 18