비주얼랭크

비주얼랭크는 이미지 이름, 웹 링크 또는 기타 텍스트를 검색하는 대신 해당 콘텐츠를 분석하고 비교함으로써 이미지를 찾고 순위를 매기는 시스템이다.구글 과학자들은 2008년 베이징에서 열린 국제 월드 와이드 웹 컨퍼런스에서 구글 이미지 검색에 페이지랭크를 적용하는 것을 기술한 논문을 통해 그들의 비주얼랭크를 공개하였다.^[1]

방법들

컴퓨터 비전 기법과 위치 감지 해싱(LSH)은 모두 VisualLrank 알고리즘에서 사용된다.텍스트 쿼리에 의해 시작된 이미지 검색을 고려하십시오.이미지 메타데이터와 주변 텍스트에 기반한 기존 검색 기법을 사용하여 초기 결과 후보(PageLank)를 검색하는데 사용되며, 인덱스의 다른 영상과 함께 유사성에 따라 그래프로 군집화된다(사전 계산됨).그런 다음 중앙성은 클러스터링에서 측정되며, 이는 쿼리와 관련하여 가장 표준적인 이미지를 반환한다.여기서의 아이디어는 이미지와 관련된 개념에 대한 웹 사용자들 사이의 합의가 그 이미지들을 더 비슷하게 보이게 할 것이라는 것이다.VisualRrank는 V $VR=S^{*}\times VR$ = $VR=S^{*}\times VR$ $VR=S^{*}\times VR$ $VR=S^{*}\times VR$ $VR=S^{*}\times VR$ $VR=S^{*}\times VR$ $VR=S^{*}\time VR$ 에 의해 반복적으로 정의되며 $VR=S^{*}\times VR$ $S^{*}$ 서 S $S^{*}$ ${\$ S $^{*}}}$ 는 영상 유사도 행렬이다 $S^{*}$ .행렬을 사용함에 따라 고유 벡터 중심성이 적용되며, V $R$ $VR$ 과 $VR$ $S^{*}$ $S^{*}$ ${\$ S $^{*}$ 의 반복 곱셈으로 우리가 찾고 있는 고유 벡터를 생산하게 $S^{*}$ 된다.분명히 영상 유사성 측정은 VisualLrank가 기초 그래프 구조를 결정하기 때문에 성능에 매우 중요하다.

주 VisualLrank 시스템은 SIFT(Scale-invariant feature transform)를 사용하여 영상에서 로컬 피쳐 벡터를 추출하는 것으로 시작한다.잠재적인 회전, 축척, 원근 변환이 가능한 영상들 사이에서 유사성을 고려할 수 있기 때문에 국소 피쳐 설명자들이 색상 히스토그램 대신 사용된다.그런 다음 p-안정성 분포 체계를 사용하여 이러한 형상 벡터에 국소 민감 해싱을 적용한다.이 외에도 AND/OR 시공을 이용한 LSH 증폭이 적용된다.가우스 분포는 적용된 계획의 일부로서 $\ell _{2}$ 2 ${\$ }} 표준에 $\ell _{2}$ 따라 사용된다.

참조

^ Yushi Jing and Baluja, S. (2008). "VisualRank: Applying PageRank to Large-Scale Image Search". IEEE Transactions on Pattern Analysis and Machine Intelligence. 30 (11): 1877–1890. CiteSeerX 10.1.1.309.741. doi:10.1109/TPAMI.2008.121. ISSN 0162-8828. PMID 18787237..

외부 링크

[Jing08-1] Yushi Jing and Baluja, S. (2008). "VisualRank: Applying PageRank to Large-Scale Image Search". IEEE Transactions on Pattern Analysis and Machine Intelligence. 30 (11): 1877–1890. CiteSeerX 10.1.1.309.741. doi:10.1109/TPAMI.2008.121. ISSN 0162-8828. PMID 18787237..

[1]

Search

비주얼랭크

방법들

참조

외부 링크