Search

Este trabalho propõe o desenvolvimento de uma nova abordagem utilizando uma estrutura denominada short-term memory, para a construção de Métodos de Acesso Métricos dinâmicos derivados da Slim-Tree. Deste modo, o objetivo é minimizar a sobreposição das estruturas e, consequentemente, otimizar as operações de consulta por similaridade. A estratégia para alcançar este objetivo, fundamenta-se em adiar o processo da indexação para contabilizar no índice novos objetos com distâncias próximas. Além disso, foram empregadas distintas políticas de divisão de nós, o que permitiu mensurar os impactos destas no que refere-se a qualidade das estruturas resultantes, principalmente com relação ao grau de sobreposição. Os novos métodos propostos foram avaliados por conjunto de dados reais e sintéticos e comparados com MAM Slim-tree original. Os resultados dos experimentos foram significativos com relação à qualidade das árvores resultantes o que, consequentemente, impactou em melhor eficiência nas operações de consulta por similaridade, ao reduzir significativamente o número de cálculos de distância, a quantidade de acessos a páginas de disco e, consequentemente, o tempo de execução de consultas aos k-vizinhos mais próximos. This work proposes the development of a new approach using a structure called shortterm memory for the construction of dynamic MAMs derived from Slim-Tree. The goal is to minimize the overlap of nodes in the structure and, consequently, to optimize similarity queries. The strategy is based on postponing the indexing process to allow inserting, in the same index entry, new objects with closer distances. In addition, different node split policies were employed, which allowed to measure the impacts of these in what refers to the quality of the resulting structures, mainly with respect to the degree of overlap. The proposed new methods were evaluated by real and synthetic datasets and compared with the original MAM Slim-tree. The results of the experiments were significant with respect to the quality of the resulting trees, which consequently impacted on better efficiency in similarity query operations, significantly reducing the number of distance calculations, the number of disk page accesses and the execution time of k-nearest neighbors. Dissertação (Mestrado)

Nesse artigo é apresentada uma paralelização eficiente do algoritmo de busca por similaridade Product Quantization Approximate Nearest Neighbor Search (PQANNS). Esse método pode responder consultas com uma demanda reduzida de memória e, juntamente com a paralelização proposta, pode lidar de forma eficiente com grandes bases de dados. A execução utilizando 128 nós/3584 núcleos de CPU foi capaz de atingir uma eficiência do paralelismo de 0.97 em uma base de dados contendo 256 bilhões de descritores SIFT.

The similarity classification and retrieval based on shape descriptors are processes of great importance in pattern recognition and content-based shape retrieval tasks. The development of efficient shape descriptors is still a challenge. This work focuses on the development of new extractors to characterize shapes in 2D and 3D space using Hilbert space-filling curves and discrete wavelet transform decomposition. Several experiments are conducted using 2D and 3D silhouettes databases. The descriptors proposed are invariant under translation transformations and some experiments to assess the robustness on scale and rotation transformations and on occlusion, articulation and deformation effects were performed and obtained excellent results. A classificação e recuperação por similaridade baseadas em descritores de formas são processos de grande importância em tarefas de reconhecimento de padrões e recuperação de formas baseada em conteúdo. O desenvolvimento de descritores eficientes para caracterizar a forma ainda é um desafio. Este trabalho se concentra no desenvolvimento de novos extratores para caracterizar formas no espaço 2D e 3D usando curvas de preenchimento de espaço de Hilbert e decomposição da transformada discreta de wavelet. Diversos experimentos são realizados utilizando bases de dados de silhuetas 2D e 3D. Os descritores propostos são invariantes a transformações de translação e alguns experimentos para avaliar a robustez quanto a rotação, a escala, a oclusões, a articulações e a deformações foram realizados e obtiveram excelentes resultados. Mestre em Ciência da Computação