この記事について

お題は画像検索

Hamming Embedding and Weak Geometric Consistency for Large Scale Image Search.

Jegou, H., Douze, M., Schmid, C.: Hamming Embedding and Weak Geometric Consistency for Large Scale Image Search. In: Forsyth, D., Torr, P., Zisserman, A. (eds.) ECCV 2008, Part I. LNCS, vol. 5302, pp. 304-317. Springer, Heidelberg (2008)

画像検索の性能向上に関する論文。 最近の論文はBoF (Bag of Features) で画像を表現するアプローチがさかん

http://lear.inrialpes.fr/pubs/2008/JDS08/jegou_hewgc08.pdf

Accurate image search using the contextual dissimilarity measure

Jegou, H., Schmid, C., Harzallah, H., Verbeek, J.: Accurate image search using the contextual dissimilarity measure. PAMI 32, 2-11 (2009)

Contextual Dissimilarity measure という、内容の相違度を用いることで、BoFマッチングを劇的に改善すると。 局所的なvectorの分布と Sinkohrn scaling アルゴリズムを使うことで、良くなる。 ついでにパラメータたちを大量にupdateしている

http://hal.inria.fr/docs/00/57/67/91/PDF/jegou_cdm_preprint.pdf

City-scale location recognition.

Schindler, G., Brown, M., Szeliski, R.: City-scale location recognition. In: CVPR(2007)

large image set 内のlocation recognition の問題を vocabulary treeで解決する database の size がでかくなると従来のinvariant feature matching が歩留まり悪くなる informative な features を使うことで、10のオーダでデータベースが大きくなる

http://www.cc.gatech.edu/~phlosoft/files/schindler07cvpr2.pdf

雑なまとめ

最後に


*1  Computer Vision Advent Calendar 2012, 2012-12-01閲覧
*2  @sakanazensen, 2012-12-01閲覧

トップ   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS