我正在尝试实现一般指纹memoizator：我们有一个可以通过智能指纹表达的文件（如用于图像的pHash或用于音频的chromaprint）以及我们的需求（昂贵） ）函数已经在类似的文件上计算，然后我们返回相同的结果（避免昂贵的计算）。
Locality Sensitive Hash（LSH）是昂贵的多维空间中Approximate nearest neighbor问题的流行且高效的解决方案。
pHash是一个很好的库，可以为图像实现感知哈希。
因此，pHash将多维输入（图像）转换为一维对象（哈希码），这与LSH（同样是LSH中的多维对象）不同。
所以我想知道如何为pHash哈希值实现单维LSH？或者用几句话说：我们如何在箱子中分组相似的pHash值？它可以替代经典的LSH方法（如果不是为什么）？
答案 0 :(得分：1)
您可以使用n random projections将pHash空间分割为2^n个存储桶，然后很可能会从同一个存储桶中找到类似的图像。您甚至可以使用汉明权重1的所有64个可能的整数对哈希进行异或运算，以方便地检查相邻的桶，并确保找到所有近似匹配。
仅当您对具有几乎相同的哈希（小汉明距离）的图像感兴趣时，这才有效。如果你想要容忍更大的汉明距离（例如8），那么有效和准确地找到所有匹配变得棘手。我通过GPU scanning through获得了非常好的表现，即使是我3岁的笔记本电脑的GT 650M也可以检查7亿个哈希/秒！
编辑1 ：您可以将64位哈希视为64维立方体上的单个角，如果您的标准化角坐标为-1和{{1}，则数学会更容易（这种方式，它的中心位于原点）。您可以将1图像表示为大小为m的矩阵M（一行/图像，一位哈希/列）。
将此分割为m x 64个不同组的最简单方法是生成2^n 64维向量n（从正态分布N（0,1）中选择每个向量元素），这可以表示为大小为v_0, v_1, ..., v_n的矩阵V（一列/向量）。可能存在随机投影中提到的正交性执行，但我将在此处跳过它。
现在通过计算64 x n得到A = (M * V) > 0矩阵（一个图像/行，一个投影/列）。接下来将每行的二进制表示转换为数字，得到m x n个不同的可能性，类似的哈希最有可能结束到同一个桶。
此算法适用于任何数据的正交表示（例如SURF特征），而不仅仅是二进制字符串。我确信二进制哈希算法有更简单（并且计算效率更高）的算法，但这是实现随机投影的一种方法。
我建议XORring，因为如果图像没有相同的哈希值，那么它们不能保证在同一个桶中结束。通过检查原始哈希的所有可能的小偏差，您可以看到哪些其他分箱可能匹配。
在某种程度上，这类似于计算机游戏引擎如何将2D地图拆分为大小为2^n的单元格网格，然后从一个点开始查找半径x内的所有单位需要检查9个细胞（包含点+8周围细胞的细胞）以获得100％准确的答案。