RISS 검색 - 국내학술지논문 상세보기

다국어 초록 (Multilingual Abstract)

In content-based image retrieval systems, image contents are represented as feature vectors and a distance between them is used as a similarity measure bewteen corresponding images. Thus, searching similar images is analogous to the k-nearest-neighbor searching problem. For this problem low-dimensional transformation techniques were proposed, which are used when dimensionality of the feature vector is very high or the distance measure is not so simple as a Euclidean distance. These techniques map high dimensional vectors into a lower dimensional space and evaluate the original distance metric only for those vectors within some bound in the lower dimension. This reduces the number of the high dimensional matching, However, to guarantee no false dismissals the existing methods use a maximum search space, which may be too wider than is practically needed.
We propose an incremental filtering algorithm that can reduce the search space. The proposed algorithm first chooses a minimal search space and incrementally expands it until the target number of results is obtained. This algorithm also guarantees no false dismissals and lower-bounds the existing methods with respect to the number of the evaluations of the expensive measure.

번역하기

국문 초록 (Abstract)

내용 기반 이미지 검색 시스템에서는 이미지의 내용을 특징 벡터로 표현하며 이미지 간의 유사도를 특징 벡터 사이의 거리로 나타낸다. 따라서 유사 이미지 검색 문제는 K개 최근접점 검색 문제와 유사하다. 이를 위해 제안된 저차원 변환 기법은 특징 벡터의 차원이 높고 유사도 계산 비용이 큰 경우에 사용된다. 이 방법에서는 고차원 특징 벡터를 차원이 낮고 거리가 단순하게 계산되는 공간으로 사상하고 검색시 저차원 상의 비교를 우선 수행함으로써 탐색 공간과 계산 비용을 감소시킨다. 그러나 적중착오가 없음을 보장하는 최대의 탐색 공간을 사용하므로 필요한 결과보다 너무 큰 범위를 탐색할 가능성이 있게 된다.
이 논문에서는 기존 방법보다 탐색 공간을 줄이기 위한 점진적 여과 알고리즘을 제안한다. 이 알고리즘은 탐색 공간의 크기를 최소로 선택한 후 점차 확장하는 방법을 사용한다. 제안된 알고리즘을 사용하면 기존 방법과 마찬가지로 적중착오없이 원하는 결과를 얻을 수 있으며, 기존 방법보다 작은 탐색 공간을 사용함으로써 고차원 거리 계산에 따른 비용을 감소시킬 수 있다.

번역하기

내용 기반 이미지 검색 시스템에서는 이미지의 내용을 특징 벡터로 표현하며 이미지 간의 유사도를 특징 벡터 사이의 거리로 나타낸다. 따라서 유사 이미지 검색 문제는 K개 최근접점 검색 ...

목차 (Table of Contents)