समानता प्रविष्टि: एल्गोरिदम और प्रदर्शन

प्रभावी प्रविष्टि समर्थन सामग्री-आधारित छवि और वीडियो डेटाबेस को समानता-आधारित पुनर्प्राप्ति का उपयोग करते हुए बड़े डेटाबेस (हजारों से लेकर लाखों छवियों तक) तक स्केल करने की अनुमति देना आवश्यक है। इस पत्र में, हम इस समस्या पर गहराई से नज़र डालते हैं। इस समस्या को हल करने में प्रमुख कठिनाइयों में से एक यह है कि वस्तुओं का प्रतिनिधित्व करने के लिए उपयोग किए जाने वाले विशेषता वेक्टर का उच्च आयाम (6-100) है। हम इस समस्या पर गणनात्मक भूमिति में किए गए कार्य का एक अवलोकन प्रदान करते हैं और उन परिणामों को उजागर करते हैं जिन्हें हमने व्यावहारिक रूप से सबसे उपयोगी पाया है, जिसमें अनुमानित निकटतम पड़ोसी एल्गोरिदम का उपयोग शामिल है। हम VAM k-d पेड़ के रूप में जाने जाने वाले अनुकूलित k-d पेड़ का एक रूप भी प्रस्तुत करते हैं और एक अनुकूलित R-पेड़ बनाने के लिए एल्गोरिदम मुहैया कराते हैं जिसे हम VAMSplit R-पेड़ कहते हैं। हमने पाया कि VAMSplit R-पेड़ ने मुख्य मेमोरी और माध्यमिक मेमोरी अनुप्रयोगों के लिए हम जिन सभी प्रतिस्पर्धी संरचनाओं का परीक्षण कर रहे थे, उनसे बेहतर समग्र प्रदर्शन प्रदान किया। हमने माध्यमिक मेमोरी अनुप्रयोगों में R*-पेड़ और SS- पेड़ के सापेक्ष प्रदर्शन में बड़े सुधार देखे, और अनुकूलित k-d पेड़ के रूपों के सापेक्ष मामूली सुधार देखे।