公开(公告)号：US08831358B1

公开(公告)日：2014-09-09

申请号：US13430803

申请日：2012-03-27

申请人： Yang Song ,  Charles J. Rosenberg ,  Andrew Yan-Tak Ng ,  Bo Chen

发明人： Yang Song ,  Charles J. Rosenberg ,  Andrew Yan-Tak Ng ,  Bo Chen

IPC分类号： G06K9/68

CPC分类号： G06K9/68 ,  G06K9/46 ,  G06K9/623 ,  G06K9/6267

摘要： Methods, systems, and apparatus, including computer programs encoded on a computer storage medium, for creating an image similarity model. In one aspect, a method includes obtaining feature vectors for images in a set of images, and determining first similarity measures for unlabeled images relative to a reference image. The first similarity measures are independent of first similarity feedback between the unlabeled images and the reference image. The unlabeled images are ranked based on the first similarity measures, and a weighted feature vector is generated based, in part, on the ranking. Second similarity measures are determined, independent of second similarity feedback, for labeled images and a second reference image. The labeled images are ranked based on the second similarity measures. The weighted feature vector is adjusted based, in part, on a comparison of the ranking to a second ranking of the labeled images that is based on the second similarity feedback.

摘要翻译： 方法，系统和装置，包括在计算机存储介质上编码的计算机程序，用于创建图像相似性模型。 一方面，一种方法包括获得一组图像中的图像的特征向量，以及确定相对于参考图像的未标记图像的第一相似性度量。 第一相似性度量与未标记图像和参考图像之间的第一相似性反馈无关。 基于第一相似性度量对未标记的图像进行排序，并且部分地基于排名生成加权特征向量。 对于标记图像和第二参考图像，确定与第二相似性反馈无关的第二相似性度量。 基于第二相似性度量对标记图像进行排序。 部分地基于基于第二相似性反馈的标记图像的排名与第二排名的比较来调整加权特征向量。

公开(公告)号：US09015083B1

公开(公告)日：2015-04-21

申请号：US13428985

申请日：2012-03-23

申请人： Rajat Monga ,  Xiaoyun Wu ,  Andrew Yan-Tak Ng

发明人： Rajat Monga ,  Xiaoyun Wu ,  Andrew Yan-Tak Ng

IPC分类号： G06N7/00 ,  G06F17/17

CPC分类号： G06F17/10 ,  G06F17/17 ,  G06F17/18 ,  G06F17/5009 ,  G06N7/005 ,  G06N99/005

摘要： Systems and methods are disclosed for distributed first- or higher-order model fitting algorithms. Determination of the parameter set for the objective function is divided into a plurality of sub-processes, each performed by one of a plurality of worker computers. A master computer coordinates the operation of the plurality of worker computers, each operating on a portion of the parameter set such that no two worker computers contain exactly the same parameter subset nor the complete parameter set. Each worker computer performs its sub-processes on its parameter subset, together with training data. For maximum efficiency, the sub-processes are performed using a compact set of instruction primitives. The results are evaluated by the master computer, which may coordinate additional sub-process operations to perform higher-order optimization or terminate the optimization method and proceed to formulation of a model function.

摘要翻译： 公开了分布式一阶或更高阶模型拟合算法的系统和方法。 确定目标函数的参数集被划分为多个子进程，每个子进程由多个工作计算机之一执行。 主计算机协调多个工作计算机的操作，每个操作计算机在参数集的一部分上操作，使得没有两个工作计算机包含完全相同的参数子集和完整的参数集。 每个工作计算机在其参数子集上与训练数据一起执行其子进程。 为了最大限度地提高效率，使用一组紧凑的指令原语执行子进程。 结果由主计算机评估，主计算机可以协调附加的子过程操作以执行更高阶优化或终止优化方法并且继续制定模型函数。