2016 Fiscal Year Annual Research Report
Large Scale Nearest Neighbor Search by Acceleration an Stabilization of Product Quantization
| Project/Area Number |
15K12025
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
相澤 清晴 東京大学, 大学院情報理工学系研究科, 教授 (20192453)
|
|---|
| Project Period (FY) |
2015-04-01 – 2017-03-31
|
| Keywords | 直積量子化 / 大規模検索 / 検索効率 / メモリ効率 / 非凸最適化 / Kmeans |
|---|
| Outline of Annual Research Achievements |
大規模画像に対する高速最近傍探索技術の中で最高性能を誇る技術の一つが直積量子化(Product Quantization, PQ)である。
H27年度に、（１）複数のクラスタ中心ベクトルの組み合わせによる密な空間分割による効率のよい最近傍探索（２）PQTable:ハッシュテーブルを用いた直積量子化の効率化についての研究を進めた。特に後者は、従来手法と比べて、種々のパラメータの人手の調整が不要であり、通常のPQに比して、2桁から5桁倍高速に動作することを明らかとした。(1)については、画像処理最大の会議であるIEEE ICIP、(2)については、コンピュータビジョンのトップコンファレンスであるICCVで論文を発表した。
Ｈ28年度は、さらに、スコープを広げ、下記の検討を進めた。(３）Residual Expansionアルゴリズム -非凸最小二乗問題に対する効果的な高速最小化手法: クラスタ中心を求めるKmeansアルゴリズムといった非凸の最小２乗問題に対して効果的な新しい解法を提示した。Kmeansを例にとれば、最適化の繰り返しのたびに、データ点をわずかに代表点に対して残差方向に拡大することで、より良い最適化が、高速に行えることを示した。Kmeans, 点群レジストレーション、OPQ (Optimized Product Quantization), ボケ除去など広い適用を示した。（４）PQkmeans -PQ領域でのデータ処理：省メモリで高速な演算を可能とするPQを用いて、10億以上のデータ点のクラスタリングを1台のＰＣで可能とするPQkmeansを提案した。PQ領域においての交互最適化の手法を示した。（３）については、コンピュータビジョンのトップコンファレンスであるCVPR2017に論文が採択され、発表予定であり、（４）については、論文投稿中である。
|
