プロジェクションバンク：高次元データから中長バイナリコードへの移行

最近、非常に高次元の特徴表現（例：フィッシャー・ベクトル）は、視覚認識と検索において優れたパフォーマンスを達成しています。しかし、これらの長い表現は常に非常に重い計算コストとストレージコストを引き起こし、大規模なアプリケーションでは実行不可能になることもあります。いくつかの既存の技術は、非常に高次元のデータをバイナリコードに変換できますが、許容可能な精度を維持するために、縮小されたコードの長さは相対的に長い必要があります。計算効率と精度のより良いバランスを目指すために、本論文では、精度を犠牲にすることなく、非常に高次元の表現を中次元のバイナリコードに効果的に削減できる新しい埋め込み手法であるバイナリプロジェクションバンク（BPB）を提案します。従来の単一線形または二次線形プロジェクションを使用する代わりに、提案された手法は最大マージン制約を介して小さなプロジェクションのバンクを学習し、内在的なデータの類似性を最適に保持します。提案された手法をFlickr 1M、ILSVR2010、およびUCF101の3つのデータセットで体系的に評価し、最先端のアプローチと比較して競争力のある検索と認識精度を示しましたが、メモリのフットプリントが大幅に小さく、コーディングの複雑性も低くなっています。