@techreport{oai:ipsj.ixsq.nii.ac.jp:00080796,
 author = {松村, 聖司 and 毛受, 崇 and 赤間, 浩樹 and 松尾, 嘉典 and 奥村, 昌和 and 山室, 雅司 and Seiji, Matsumura and Takashi, Menjo and Hiroki, Akama and Yoshinori, Matsuo and Masakazu, Okumura and Masashi, Yamamuro},
 issue = {24},
 month = {Feb},
 note = {局所特徴量を用いた物体認識処理での高次元ベクトル群の最近傍探索処理において，ベクトル間のユークリッド距離計算が行われている．データベース中のベクトル数が大規模になると，最近傍探索の処理時間は膨大になる．本検討では，kd-tree によるデータ構造化と GPU でのユークリッド距離計算の並列化を用いることで，探索精度の低下を抑えた最近傍探索処理高速化の手法を提案する．, When the total number of local characteristic high-dimensional vectors in object recognition becomes massive, it takes long time to process nearest neighbor search. In this study, we propose a method that makes nearest neighbor search fast with kd-tree structure and GPUs. Moreover, our method reduces deterioration of an accuracy of approximate nearest neighbor search.},
 title = {kd-treeにより構造化された大規模高次元ベクトル群に対するGPUを用いた高速最近傍探索法の検討},
 year = {2012}
}