K-means hashing (CVPR'13) とハッシング周り2. 背景 • 画像特徴 – SIFT: 128次元, GIST: 960 (384) 次元, FV/VLAD: ～数万次元 – 1M～1B枚レベルの画像検索とかしたいお… – でも画像の特徴ベクトルそのものを利用すると メモリに乗らないし類似検索もおそいお… – だからコンパクトなバイナリコードに変換するお！（テンプレ） （面白いけど応用を気にしている人があんまいない印象） • バイナリ化のメリット – コンパクト＋高速検索 (e.g., SSE 4.2 POPCNT) （参考）ビットを数える http://www.slideshare.net/takesako/x86x64-sse42-popcnt • 単純にユークリッド距離を近似することが目的の手法と supervisedでクラス分類を意識し距離学習も行う手法がある 3. Hashing "Similarity search in
