.png){kind=icon}
返回
Vector Database Benchmarking: A Face Retrieval Use Case
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-05281-0_3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，已开发出多种数据库管理系统以支持高效处理高维向量数据及快速准确的相似性搜索。这些系统在整体架构和索引、查询技术的实现上存在显著差异，可能影响其在实际场景中的性能。然而，目前尚无官方的性能比较可供用户选择合适的系统。为填补这一空白，我们进行了一项控制实验，评估了六种广泛使用的向量数据库管理系统在真实人脸检索场景中的表现。尽管用例涉及人脸检索，但结果具有普遍适用性，因为核心评估聚焦于数据库在向量嵌入上的性能，而不考虑其来源。该场景使用了一个包含1TB图像的数据集，从中识别并提取了总计1,730,000个人脸向量嵌入；提取过程采用两种不同的向量化技术，生成两种不同维度的向量（即大小）。评估针对两种向量大小在数据集划分为小、中、大子集的情况下进行，以研究不同数据处理负载对系统性能的影响。评估的性能方面包括插入和删除时间、初始化开销以及搜索延迟。除性能指标外，还使用精度、F1分数和特异度评估人脸检索质量。
Keyword:
Benchmarking
Vector Databases
Face Retrieval
Similarity Search
HNSW
High-Dimensional Data
期刊
A
IF:
0
论文数:
19
被引数:
0
机构
引用论文
.png){kind=icon}
Vector database management systems: Fundamental concepts, use-cases, and current challenges向量数据库管理系统：基本概念、应用场景和当前挑战
OAAI
OAAI分享收藏分享收藏ANN-Benchmarks: A benchmarking tool for approximate nearest neighbor algorithmsANN-基准: 近似最近邻算法的基准测试工具OAAI
OAAI分享收藏Efficient and Robust Approximate Nearest Neighbor Search Using Hierarchical Navigable Small World Graphs使用分层可导航小世界图的高效且鲁棒的近似最近邻搜索OAAI
OAAI分享收藏
查看更多内容