Визуальный рейтинг

VisualRank — это система поиска и ранжирования изображений путем анализа и сравнения их содержимого , а не поиска названий изображений, веб-ссылок или другого текста. Ученые Google обнародовали свою работу с VisualRank в статье, описывающей применение PageRank для поиска изображений Google на Международной конференции World Wide Web в Пекине в 2008 году. ^[1]

Методы

как компьютерного зрения методы , так и локально-чувствительное хеширование VisualRank используются В алгоритме (LSH) . Рассмотрим поиск изображений, инициированный текстовым запросом. Существующая методика поиска, основанная на метаданных изображения и окружающем тексте, используется для получения исходных кандидатов в результат ( PageRank ), которые вместе с другими изображениями в индексе группируются в графе в соответствии с их сходством (которое заранее вычисляется). Затем центральность измеряется при кластеризации, которая возвращает наиболее канонические изображения по отношению к запросу. Идея здесь заключается в том, что соглашение между пользователями сети об изображении и связанных с ним концепциях приведет к тому, что эти изображения будут считаться более похожими. VisualRank определяется итеративно $VR=S^{*}\times VR$ , где $S^{*}$ — матрица сходства изображений. Поскольку используются матрицы, в качестве меры будет применяться центральность собственного вектора с повторным умножением $VR$ и $S^{*}$ создавая собственный вектор, который мы ищем. Очевидно, что мера сходства изображений имеет решающее значение для производительности VisualRank, поскольку она определяет базовую структуру графа.

Основная система VisualRank начинается с извлечения векторов локальных признаков из изображений с использованием масштабно-инвариантного преобразования признаков (SIFT). Дескрипторы локальных объектов используются вместо цветовых гистограмм, поскольку они позволяют учитывать сходство между изображениями с возможным поворотом, масштабированием и перспективными преобразованиями. Затем к этим векторам признаков применяется хеширование с учетом местоположения с использованием схемы p-стабильного распределения . В дополнение к этому применяется усиление LSH с использованием конструкций И/ИЛИ. В рамках прикладной схемы распределение Гаусса при используется $\ell _{2}$ норма .

Ссылки

^ Юши Цзин и Балуджа С. (2008). «VisualRank: применение PageRank к крупномасштабному поиску изображений». Транзакции IEEE по анализу шаблонов и машинному интеллекту . 30 (11): 1877–1890. CiteSeerX 10.1.1.309.741 . дои : 10.1109/TPAMI.2008.121 . ISSN 0162-8828 . ПМИД 18787237 . S2CID 10545157 . .

Внешние ссылки

[Jing08-1] Юши Цзин и Балуджа С. (2008). «VisualRank: применение PageRank к крупномасштабному поиску изображений». Транзакции IEEE по анализу шаблонов и машинному интеллекту . 30 (11): 1877–1890. CiteSeerX 10.1.1.309.741 . дои : 10.1109/TPAMI.2008.121 . ISSN 0162-8828 . ПМИД 18787237 . S2CID 10545157 . .

[1]