内存压缩
图像的特征匹配一般会用到字典的形式
key是图像的名称,value是特征(图像的特征匹配:需要建立庞大的字典)
字典的缺点:本地10MB的数据在内存中会膨胀100倍
虽然查询速度很快,但是会占用大量的内存空间
如果数据量比较大,那么字典就不太适合了
如何解决这个问题?
我们不用字典的格式,用其他方式(了解一下zlib)进行数据的压缩,然后在存贮在内存中。
探讨了在内存中使用字典形式进行图像特征匹配时遇到的空间膨胀问题,提出利用zlib等压缩技术来减少内存占用,以适应大规模数据处理需求。
内存压缩
图像的特征匹配一般会用到字典的形式
key是图像的名称,value是特征(图像的特征匹配:需要建立庞大的字典)
字典的缺点:本地10MB的数据在内存中会膨胀100倍
虽然查询速度很快,但是会占用大量的内存空间
如果数据量比较大,那么字典就不太适合了
如何解决这个问题?
我们不用字典的格式,用其他方式(了解一下zlib)进行数据的压缩,然后在存贮在内存中。
1731