乘积量化（ Product Quantization ）近似最近邻搜索 分享

最新推荐文章于 2025-06-17 11:22:42 发布
原创 最新推荐文章于 2025-06-17 11:22:42 发布 · 7.1k 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

看了CHIERYU的理解，受益匪浅。


Product Quantizer翻译过来是 乘积量化 ，从字面理解大概包括了两个过程特征的分组量化过程和类别的笛卡尔积过程。假设有一个数据集，那么K-means的做法就是给定类别数目K，目标函数是所有样本到类中心的距离和最小，迭代计算优化目标函数，得到K个类中心和每个样本所属的类别。目标函数不变， 乘积量化
最低0.47元/天 解锁文章

200万优质内容无限畅学
月之芽
关注
【实战ES】实战 Elasticsearch：快速上手与深度实践-8.1.2近似最近邻（ANN）算法选型
kngines
03-12 1061
【实战ES】实战 Elasticsearch：快速上手与深度实践-8.1.2近似最近邻（ANN）算法选型
向量数据库常见算法 | 八十三、Product Quantization（PQ）技术
Androiddddd的博客
09-22 937
随着大数据时代的到来，向量数据库在数据科学和机器学习领域中发挥着重要作用。然而，向量数据的高维度特性使得存储和处理这些数据变得复杂和昂贵。为了解决这个问题，Product Quantization（PQ）技术应运而生。本文将介绍Product Quantization的基本原理、优势及其在实际应用中的使用。
Product quantization for nearest neighbor search
mqfcu8的专栏
04-13 4804
文章为近似最近邻搜索提供了一种新方法：将高维数据量化划分为一些独立的低维子空间的Cartesian乘积，称之为PQ法。文章先形式化地描述了最近邻问题，并解释了对一个高维向量进行PQ，在内存使用量和Assignment复杂度上都比k-means优秀。然而在query时不能忍受遍历所有dataset的方式，提出coarse k-means划分成子集，再进行PQ法。
乘积量化-近邻搜索，来自专业大牛的透析
qq_40433634的博客
07-15 472
算法工程师应该对youtube那篇“Deep Neural Networks for YouTube Recommendations”印象深刻，文中的算法架构思想固然很有影响力，而核心的高维向量相似性搜索看上去也是相当神奇。 facebook的faiss可以说是相似向量搜索的标杆，而它背后的算法就是乘积量化。正好我也接触过一些低维空间的类似问题，所以就写来记录一下。 本篇从一维向量搜索开始，然后说一说二维，最后推广到高维，并在这个过程中逐渐说明遇到的问题，以便更好地理解乘积量化的原理。 一维向量搜索介绍 先
Product Quantization (PQ)
最新发布
Nick_LYJ的博客
06-17 571
🎯 核心思想把复杂的高维向量"压缩"成简单的编码，就像把一本厚书变成目录索引一样。📖 基本原理📚 生活化类比原始方法（高维向量）描述一个人的外貌特征：身高：175.3cm体重：68.7kg眼睛颜色：深棕色(RGB: 101,67,33)头发长度：15.2cm肤色：(RGB: 255,219,172)… 总共100个精确特征PQ方法步骤1：分组把100个特征分成4组，每组25个特征：第1组：身材相关（身高、体重、肩宽等）
product quantization
学习笔记
09-19 540
参考 理解 product quantization 算法 实例理解product quantization算法 Product Quantizers for k-NN Tutorial Part 1 安装 VS Code ubuntu安装vscode的两种方法 Ubuntu下安装opencv3.3 ubuntu16.04安装opencv3.4.1教程 ...
PQ(product quantization) 算法---(一)
热门推荐
hairuiJY
07-08 3万+
转自：http://vividfree.github.io/   1. 引言Product quantization，国内有人直译为乘积量化，这里的乘积是指笛卡尔积（Cartesian product），意思是指把原来的向量空间分解为若干个低维向量空间的笛卡尔积，并对分解得到的低维向量空间分别做量化（quantization）。这样每个向量就能由多个低维空间的量化code组合表示。为简洁描述起见，...
最近邻搜索之乘积量化（product quantization）
11-29
乘积量化（Product Quantization）是一种用于近似最近邻搜索（Approximate Nearest Neighbor Search）的技术，最早于2011年由Hervé Jégou, Matthijs Douze 和 Cordelia Schmid 在《IEEE Transactions on Pattern ...
MATLAB实现乘积量化SIFT特征快速匹配技术
例如，使用KD树、近似最近邻搜索（如KNN算法）、哈希技术等，可以加速寻找最近邻特征点的过程。基于乘积量化的快速特征匹配是一种有效的优化方法，它能够大幅提高特征匹配的效率，尤其适用于实时应用或者对计算资源...
Faiss中的近似最近邻搜索（ANN）算法解析
它主要针对海量高维度向量数据进行快速的最近邻搜索（Nearest Neighbor Search）和近似最近邻搜索（Approximate Nearest Neighbor Search）。 ## 1.2 Faiss的应用领域 Faiss在很多领域都有广泛的应用，包括但不...
faiss原理（Product Quantization）
WitsMakeMen的专栏
06-07 254
转子：https://zhuanlan.zhihu.com/p/534004381。[1] 实例理解product quantization算法。[6] 理解 product quantization 算法。[2] 【关于 Faiss 】 那些的你不知道的事-技术圈。
product quantization SDC算法在Windows下的实现
08-15
这是product quantization中对SDC距离计算Windows下matlab实现代码。
Product Quantization算法
浙大软院研究生，数据库方向
07-21 772
PQ乘积量化是一种用于向量压缩的技术，其目标是将高维向量压缩为低维以支持近似近邻搜索（ANNS）。
最近邻搜索值乘积量化（Product Quantization）
Suan2014的博客
10-18 1762
转自：http://blog.youkuaiyun.com/CHIERYU/article/details/50321473    和   http://blog.youkuaiyun.com/CHIERYU/article/details/50347735 简介 Product Quantizer是由Herv´e J´egou等人2011年在IEEEE上发表的论文《Product Qua
Product Quantization for Nearest Neighbor Search论文实验
CHIERYU的专栏
12-25 5319
记得大学三时有个老师跟我们说，检验是否深刻理解一篇论文的做法之一就是给你一篇论文，看你能否将论文中的结果重复实验出来，当时觉得老师的说法好厉害、离我们太远，而且一直没有机会这么干过。幸运的是，最近在一大神的指导下进行了一次关于一篇检索论文的PQ实验结果，终于亲身体验了一回老师之前的话，这得感谢感谢大神了。闲话少说，这次PQ实验主要是深刻理解论文，通过实验体会PQ算法是如何将大搜索空间分解为小的搜索空
最近邻搜索之乘积量化（Product Quantizer）理解（一）
CHIERYU的专栏
12-15 1万+
简介Product Quantizer是由Herv´e J´egou等人2011年在IEEEE上发表的论文《Product Quantization for Nearest Neighbor Search》中提出来的。它的提出是为了在内存和效率之间求得一个平衡，既保证图像索引结构需要的内存足够，又使得检索质量和速度比较好。对于任何基于固定维数特征的事物，它可以应用到其索引结构的建立及检索上。它属于A
PQ(product quantization) 算法---(二)
hairuiJY
07-08 6141
PQ（productquantization）算法：乘积量化，这里的乘积为笛卡尔积；从字面理解包括了两个过程特征的分组量化过程和类别的笛卡尔积过程。它属于ANN(approximatenearest neighbor)算法。与它相关的算法有E2LSH（EuclideanLocality-SensitiveHashing）， KD-trees，K-means。假设有一个数据集： 由n个D维向量组成（...
理解 product quantization 算法
深藏功与名
08-16 2201
1. 引言 Product quantization，国内有人直译为乘积量化，这里的乘积是指笛卡尔积（Cartesian product），意思是指把原来的向量空间分解为若干个低维向量空间的笛卡尔积，并对分解得到的低维向量空间分别做量化（quantization）。这样每个向量就能由多个低维空间的量化code组合表示。为简洁描述起见，下文用PQ作为product quantization的简称。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值