《表7 量化粒度与量化误差及查询时间的关系》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于簇内乘积量化的最近邻检索方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验中我们发现，重排序过程中执行面量化距离近似方法时，可将子空间进一步划分，然后在更低维度的子空间进行面量化近似求解．该细化的粒度称作面量化粒度，设为Pplane，Pplane对查询准确率和查询时间均有极大影响，本文通过实验说明面量化粒度带来的影响．如图6所示，数据集选取的是ANN＿SIFT1M，簇内乘积量化树的配置为k1=4，k2=32，P=2，k3=8，w1=2，w2=16，近邻簇大小为500，候选集合规模小于等于20 000，可见查询准确度会随着Pplane的增大而上升，查全率不受量化粒度的影响．如表7所示是不同量化粒度下量化器引入的平均量化误差以及对应的查询时间比对，显然量化粒度增大，平均量化量化误差减小但计算复杂度增加，查询时间随之增大，如何在查询准确度和查询速度之间做一个合适的权衡，需要根据具体应用要求进行取舍，选择Pplane=16可在一定的精确度损失范围内适当减少计算和存储的开销．