(SIFT) [2] or Speeded Up Robust Fea

(SIFT) [2] or Speeded Up Robust Features (SURF) [3] extracted
from images, can mainly be classified into three
categories of indices: tree-based index, hash-based index,
and visual-word-based inverted index [4–7]. In a treebased
indexing structure, such as KD-tree [8] or R-tree
[9], when the dimension of a feature descriptor grows
greater than 20, the construction efficiency deteriorates
rapidly. Both categories of hash-based index – the Euclidian
Locality Sensitive Hashing (E2LSH) [10] related methods
and the spectral hash methods [11–13] – are inef-
ficient on sparse descriptors. In a visual-word-based inverted
index, the traditional flat K-means [14–17] clustering
algorithm and the improved Approximate K-Means

ผลลัพธ์ (ไทย) 1:

(ร่อน) [2] หรือ Speeded ค่าทนทานคุณสมบัติ (ท่อง) [3] สกัดจากรูปภาพ ส่วนใหญ่เป็นประเภทสามประเภทของดัชนี: ต้นไม้ตามดัชนี ดัชนีใช้แฮและ visual word ขึ้นกลับดัชนี [4-7] ในการ treebasedโครงสร้างดัชนี เช่น R-ต้นไม้หรือ KD-ต้น [8][9], เมื่อขยายขนาดของตัวบอกลักษณะการทำงานมากกว่า 20 ประสิทธิภาพการก่อสร้างในปีอย่างรวดเร็ว ทั้งสองประเภทของดัชนีตามแฮ – การระบบยุคลิดท้องถิ่นสำคัญแฮ (E2LSH) วิธีที่เกี่ยวข้อง [10]และวิธีการแฮสเปกตรัม [11-13] -inef-ficient บนตัวบอกห่าง ใน visual คำใช้คว่ำดัชนี แบน K-วิธีการแบบดั้งเดิม [14-17] คลัสเตอร์อัลกอริทึมและพัฒนาประมาณ K-หมายถึง

ผลลัพธ์ (ไทย) 2:

(SIFT) [2] หรือเร่งคุณสมบัติที่แข็งแกร่ง (SURF) [3] สกัด
จากภาพส่วนใหญ่สามารถแบ่งได้เป็นสาม
ประเภทของดัชนีดัชนีต้นไม้ตามดัชนีกัญชาตาม
ภาพและคำ-based ดัชนี Inverted [ 4-7] ใน treebased
โครงสร้างการจัดทำดัชนีเช่น KD-ต้นไม้ [8] หรือ R-ต้นไม้
[9] เมื่อมิติของอธิบายคุณลักษณะที่เติบโตขึ้น
มากกว่า 20 ประสิทธิภาพการก่อสร้างลดลง
อย่างรวดเร็ว ทั้งสองประเภทของดัชนีกัญชา Based - Euclidian
ถิ่น Hashing สำคัญ (E2LSH) [10] วิธีการที่เกี่ยวข้อง
และวิธีกัญชาสเปกตรัม [11-13] - มี inef-
ficient บนอธิบายเบาบาง ใน Inverted ภาพคำตาม
ดัชนีแบบแบน K-หมาย [14-17] การจัดกลุ่ม
อัลกอริทึมและการปรับปรุงประมาณ K หมายถึง

ผลลัพธ์ (ไทย) 3:

( ร่อน ) [ 2 ] หรือ ได้รับทราบถึงคุณสมบัติที่แข็งแกร่ง ( เซิร์ฟ ) [ 3 ] สกัดจากภาพ สามารถแบ่งออกเป็นสามส่วนใหญ่ประเภทของดัชนีดัชนีดัชนีตามต้นไม้ตาม , กัญชา ,คำที่ใช้และภาพกลับหัว 4 –ดัชนี [ 7 ] ใน treebasedโครงสร้างดัชนี เช่น ต้นไม้ หรือ r-tree KD [ 8 ][ 9 ] เมื่อมิติคุณลักษณะการเติบโตมากกว่า 20 ประสิทธิภาพการก่อสร้างเสื่อมอย่างรวดเร็ว ทั้งสองประเภทของกัญชาตามดัชนีตลาด euclidianส่วนอ่อนไหวแฮช ( e2lsh ) [ 10 ] ที่เกี่ยวข้องกับวิธีการและกัญชาสเปกตรัมวิธีการ [ 11 – 13 ] กว่าจะ INEF -ficient ในป่าโปร่ง ใน . คำที่ใช้ใน ภาพกลับหัวดัชนี k-means แบนแบบดั้งเดิม [ 14 – 17 ) สำหรับขั้นตอนวิธี และปรับปรุง k-means โดยประมาณ