关键字 |
| 图像搜索引擎关键字、图像评估、语义特征 |
介绍 |
| 图片排名作为一个有效的技术来提高基于Web的图片搜索的结果已经被现有的工业实现搜索引擎。对于一个给定的查询关键字,搜索引擎排名的图像基于查询。通过提示用户选择一个特定的图像组,其余的图像重新排序根据用户选择的图片。 |
| 网页图像搜索是一个广泛的增长特性熟悉搜索引擎即“谷歌”、“雅虎”,“必应”,等等。对于一个给定的文本查询,搜索引擎搜索数以百万计的图像检索相关的图片尽快。通常使用文本搜索引擎主要是基于元数据即关键词、标签、和/或文本描述接近图像。作为元数据不不断地联想到视觉的图像,图像的检索通常是分组与不良无关的图片。不过,检查,检索到的图像包含足够的相关图片,他们准备为用户的普遍比回忆更注意到精度。然后可以提高精度评估检索图像的原始设置。最近用户的努力在努力减少在线图像评估方法局限于一键式反馈这是一个有用的方法来改善搜索结果。这种类型的策略主要采用网络图片搜索引擎。它的图是图1所示。 |
| 对于用户给定的查询关键字输入,池的图像检索与给定查询关键字相关的搜索引擎。检索已经完成对存储word-image索引文件。一般检索图像池的大小是固定的,例如包含1000张图片。从池中返回的实现提高效率,需要短暂的视觉特征向量和快速匹配过程是要做。达到效率高、视觉特征向量匹配需要短,他们应该做得更快。许多受欢迎的视觉特性是效率高,尺寸是不能接受的,如果他们直接匹配。 |
| 下面的文献调查的各种方法有效的图片搜索和评估的网络图片。 |
网页图片搜索和评估方法 |
技术用于Web图片搜索: |
相关反馈图像检索 |
| 在[1]大成Tao.et。基地提出了一组新的算法来提高SVM CBIR的射频。基于内容的图像检索(CBIR)广泛使用相关性反馈计划,都是基于支持向量机(SVM)。检索的图像从一个巨大的数据库是一项具有挑战性的研究领域与爆炸性增长的图像记录和计算机能力的快速提高。这个工作的动机和关键理念从分类器学习委员会(CCL)。作为每一个分类器都有其独特的能力和属性分类相关和不相关的类样本,CCL可以组弱分类器来提高识别性能。为了提高支持向量机的性能,本工作使用装袋和随机子空间法显示了更多的传统分类器时效果不稳定。 |
弥合差距的视觉语义特性 |
| 在[2]Nikhil Rasiwasia出版社提出了query-by-semantic-example (QBSE)相结合的方法query-by-visual-example (QBVE)和语义检索(SR)。通常在语义检索(SR)图像标签对于视觉概念。然后每个图像的特征向量,转移到语义多项式,后想法的可能性。检索是通过用户的查询假说提供了查询图像的两种机制。首先计算语义多项其次计算结果相匹配的数据库。Query-by-visual-example显示感兴趣的两个主要的属性,一个是实用的,另一个是与哲学有关。QBSE构造更准确的检索系统比早期系统视为实用角度来看将老的泛化能力的空间内已知的视觉概念,被称为语义空间。哲学,QBSE促进实验,明确测试的目标图像检索的语义插图的价值,因为它允许直接对比的视觉和语义的示威活动在一个通用查询的假设。 |
相对属性图片搜索的反馈 |
| 提出了一种新颖的形式在[3]阿德里亚娜出版社的反馈图片搜索使用相对属性。在这种方法中一个用户说明哪些属性的范例图片应该改变,以促进更紧密地匹配用户心智模型的图像(s)。最初提出的方法学习一组排名方法在离线模态的相对强度图像预计可命名的属性。在查询系统显示一套初步的参考图像,然后用户选择其中一个图像呈现相对属性的反馈。 |
| 相对功能升级和图像池评估是通过使用生成的多维属性空间的约束。这个方法是重复使用聚集约束,直到排名最高的图像相对接近用户的目标解决方案。通过这样做,方法允许用户熟练“削弱”无关紧要的部分视觉特征空间的语义语言交流系统用户的偏好。 |
细化搜索结果通过深厚的背景 |
| 在[4]Junyang出版社提出了深上下文方法检测大纲窗口改进搜索结果。方法找出最可能的无关紧要的图像被认为是多余的信息,并不局限在现有的搜索结果。呈现深情况下为每个图像收集一组图像检索的搜索查询计算的利用图像的文本术语。比较可以用这张图片的状态在当前搜索结果和深上下文为了验证不得分。随后的无关紧要的分数被传输到图像有用的文本项是错过了。两个方案是由联合制定的过程达到一个马尔可夫随机场,这是有效地解决图的削减。关键是方法不适合假设相关的图像视觉结合在顶级的结果和基于局外人在当前查询的检查可能是类似于其他各种查询下更受欢迎。 |
基于非监督语义特征的检索和发现 |
| 在[5]Yin-Hsi郭出版社提出了一个无监督语义特征发现概念来克服困难通过利用相关的文本信息和图像内容的社交媒体为了估计两个形式语义的插图。提出工作使用常见的结构,以增加每个图像和相关语义即文本和视觉功能通过使用图形图像。这个结构自动生成和选择决定了相关的语义特征的视觉和文本图像的非监督方法。这种方法考察了该框架的相继在使用不同的优化系统效率最大化。这可以直接应用于多个应用程序,如标签优化,图像对象检索和图像的关键字搜索。 |
技术用于评估 |
1。在线图片搜索重新评估 |
| 在[6]宇出版社提出了在线图片搜索评估算法是基于查询图像和没有完成在线培训。这项工作提出了自适应相似用户不断的鼓励的计划详细的意图而提交查询的形象。例如,当用户提交一个图像和一个全尺寸的脸的中心,几乎可以肯定,用户需要图像具有相似的脸。最初的查询图像特征是大量预定义的类别之一。在每个类别中,一个特定的体重模式发现结合自适应这种类型的图像的特性。当使用这张图片查询,用户内涵反映通过测量之间的关联查询图像及其合适的相似性度量和这些类别命名为意图。在每个特定的权重模式意图类别通过最小化秩相关损失为每个查询图像训练集的当前方法是修改等级提高技术。 |
2。视觉和基于文本内容的重新评估 |
| 在[7]Xiaoou出版社提出了新颖的网络基于视觉的图像搜索方法和基于文本内容的reranking。这种技术只需要一键用户反馈。目的比重模式是用来统一视觉特性和计算视觉适应性相似性查询图像。尽管人类的反馈,视觉和文本关键词的扩展注册获得用户的意图。扩大扩大积极利用实例图片和关键词也扩大图像池持有额外相关的图片。这种结构使得它有前途的商业图片搜索范围由视觉和文本。提出图像重新排名结构包括几个步骤,可以增强独立或其他方法所取代是持续有效的。 |
3所示。视觉等级 |
| 在[8]侑士Jing出版社视觉排名算法,提出了一个简单的方法包括使用网络的进步和链接Web文档搜索调查图片搜索。视觉等级似乎偏离信息的重要来源,这使得网页排名更成功:大量的手工制作在一个多样化的页面的链接。另一方面,human-coded信息开会的主要量由两个系统。首先视觉等级查询依赖是由选择的初始图像检索答案和人类知识的相关图像连接到Web页面公开发起到系统。其次图像相似图形开发基于图像之间的一般特征。这些图像,拘留共同科目从其他图像通常会导致更高的相关性。 |
4所示。监督评估 |
| 在[9]廪君杨& Alan Hanjalic提出监督式学习假说在视觉搜索评估思想产生一种更健壮的评估系统。这个想法控制监督concept-related搜索和无监督的优点视觉相关搜索重新评估,而它不经历从可伸缩性问题代表了concept-based图片搜索。为了解决这一问题提出的方法在这个方法中定义了一个学习等级结构,将适应排名SVM算法和11个轻量级评估特性决定了视觉图像和文本查询之间的相关性。 |
5。贝叶斯视觉评估 |
| 在[10]Xinmie Tian.et。艾尔贝叶斯视觉评估模型的视觉和文本信息从概率的角度来看,使视觉评估作为贝叶斯框架优化系统。在这个方案中,文本信息可能被复制,复制文本搜索结果之间的差异和重新排序的结果被描述为排名的距离。视觉信息是复制条件之前,排名得分点均匀视觉相似的例子中,被称为视觉一致性。贝叶斯视觉评估方法获得最好的评估结果最大化视觉一致性而最小化距离排名。为了算出距离排名更具体地说,一种新颖的两两方法用于计算排名的距离对散度的双向指示。对于视觉一致性,三个不同的演化研究中提取最大的为其造型。 |
结论 |
| 目前的调查提出了各种方法用于图像搜索和评估网络级图像。每个调查方法显著有效的图像在图像检索过程和排名。摘要鞋子每个方法在各方面的利弊。调查方法的效率可以测量的检索精度和计算时间。每种方法的优点可以考虑,这些技术可以进一步提高大规模网络图像搜索和评估机制有效。 |
|
数据乍一看 |
 |
| 图1 |
|
|
引用 |
- 李·d·道,x, x, x,“不对称装袋和随机子空间支持向量在ImageRetrieval机械相关性反馈,“IEEE反式。模式分析与机器智能,28卷,没有。7日,页。1088 - 1099年,2006年7月。
- n . Rasiwasia P.J.莫雷诺,n .塞·伐斯冈萨雷斯,他“弥合差距:语义查询的例子”,IEEE反式。多媒体,9卷,。5,页923 - 938,Aug.2007
- Kovashka d·帕里克说,k .好莱坞,”惠特尔搜索:图片搜索相对属性反馈,“Proc。设计。计算机视觉和PatternRecognition (CVPR), 2012年。
- j . Lu j .周j . Wang x,和美国,“图片搜索结果优化通过异常值检测使用深情况下,“Proc。设计。ComputerVision和模式识别(CVPR), 2012年。
- h . y .郭,w . Cheng林,w•许”无监督图像对象检索和语义特征发现标签细化,“IEEE反式。多媒体,14卷,。4,第1090 - 1079页,2012年8月
- j .崔f·温,x,”谷歌和实时图片搜索评估生活,“Proc。16 ACM国际相依多媒体,2008。
- j . k . x Tang Liu崔,f, x王,“意图搜索:一键网络图片搜索捕获用户的意图,“IEEE反式。模式分析及机器智能,34卷,没有。7日,页。1342 - 1353年,2012年7月。
- y京和美国Baluja视觉等级:应用大规模图像搜索网页排名,“IEEE反式。模式分析与机器智能,30卷,n
- l·杨和a . Hanjalic“Web图片搜索监督评估,”Proc。ACM国际相依多媒体,2010. o。11日,页。1877 - 1890年,2008年11月
- 10。x田,l·杨,j . Wang吴x, x华,“贝叶斯视觉评估,IEEE反式。多媒体,13卷,。4,第652 - 639页,2011年8月。
|
菜单
