論文の概要: A Review on Near Duplicate Detection of Images using Computer Vision
Techniques
- arxiv url: http://arxiv.org/abs/2009.03224v1
- Date: Mon, 7 Sep 2020 16:41:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 03:04:35.410223
- Title: A Review on Near Duplicate Detection of Images using Computer Vision
Techniques
- Title（参考訳）: コンピュータビジョンを用いた画像の近接重複検出に関する一検討
- Authors: K. K. Thyagharajan, G. Kalaiarasi
- Abstract要約: ほぼ重複する物質の存在は、検索エンジンの性能に重大な影響を及ぼす。
コンピュータビジョンの主な応用は画像理解である。
画像のほぼ重複検出に関する文献の適切な調査は行われていない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays, digital content is widespread and simply redistributable, either
lawfully or unlawfully. For example, after images are posted on the internet,
other web users can modify them and then repost their versions, thereby
generating near-duplicate images. The presence of near-duplicates affects the
performance of the search engines critically. Computer vision is concerned with
the automatic extraction, analysis and understanding of useful information from
digital images. The main application of computer vision is image understanding.
There are several tasks in image understanding such as feature extraction,
object detection, object recognition, image cleaning, image transformation,
etc. There is no proper survey in literature related to near duplicate
detection of images. In this paper, we review the state-of-the-art computer
vision-based approaches and feature extraction methods for the detection of
near duplicate images. We also discuss the main challenges in this field and
how other researchers addressed those challenges. This review provides research
directions to the fellow researchers who are interested to work in this field.
- Abstract（参考訳）: 現在、デジタルコンテンツは広く、合法的または違法に、単純に再配布可能である。
例えば、画像がインターネットに投稿された後、他のWebユーザはそれを修正し、バージョンを再投稿することで、ほぼ重複した画像を生成することができる。
近重複の存在は検索エンジンの性能に重大な影響を及ぼす。
コンピュータビジョンは、デジタル画像から有用な情報の自動抽出、分析、理解に関するものである。
コンピュータビジョンの主な応用は画像理解である。
画像理解には、特徴抽出、オブジェクト検出、オブジェクト認識、画像クリーニング、画像変換など、いくつかのタスクがある。
画像の重複検出に関する文献の適切な調査は行われていない。
本稿では,最先端のコンピュータビジョンに基づくアプローチと,近接重複画像の検出のための特徴抽出手法について検討する。
また、この分野の主な課題と、他の研究者がこれらの課題にどう対処するかについても論じる。
このレビューは、この分野に興味がある研究者に研究の方向性を提供する。
関連論文リスト
- Human-imperceptible, Machine-recognizable Images [76.01951148048603]
より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。
画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。
提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
論文 参考訳（メタデータ） (2023-06-06T13:41:37Z) - Fighting Malicious Media Data: A Survey on Tampering Detection and
Deepfake Detection [115.83992775004043]
近年のディープラーニング、特に深層生成モデルの発展により、知覚的に説得力のある画像や動画を低コストで制作するための扉が開かれた。
本稿では,現在のメディアタンパリング検出手法を概観し,今後の研究の課題と動向について論じる。
論文 参考訳（メタデータ） (2022-12-12T02:54:08Z) - A Novel Region Duplication Detection Algorithm Based on Hybrid Approach [0.0]
デジタル画像は、善悪の意図で簡単に改ざんできる。
デジタル画像に予め埋め込まれた情報が利用できないため、デジタル鑑識の場合、改ざん検出プロセスが困難になる。
論文 参考訳（メタデータ） (2022-04-10T12:17:13Z) - Vision Transformers in Medical Computer Vision -- A Contemplative
Retrospection [0.9677949377607575]
ビジョントランスフォーマーは、コンピュータビジョンの分野で使われている最も現代的で支配的なアーキテクチャの1つとして進化している。
画像ベース疾患分類,解剖学的構造区分,登録,領域ベース病変検出,キャプション,レポート生成など,医療コンピュータビジョンのさまざまな領域におけるビジョントランスフォーマーの適用について調査した。
また、利用可能なデータセット、採用方法論、パフォーマンス対策、課題、ソリューションについても、議論の形で光を当てています。
論文 参考訳（メタデータ） (2022-03-29T06:32:43Z) - Detection, Recognition, and Tracking: A Survey [0.0]
コンピュータビジョンやマルチメディアでは、画像やビデオ中の物体を検出し、認識し、追跡することがますます重要になっている。
顔認識、監視、アニメーションなどの多くのアプリケーションは、機能や人を追跡するのに使われている。
本稿では,物体の検出と認識に関する新しい手法と,検出した特徴にトラッキングアルゴリズムを適用して物体の動きを追跡する方法について述べる。
論文 参考訳（メタデータ） (2022-03-22T17:11:24Z) - 3D Object Detection from Images for Autonomous Driving: A Survey [68.33502122185813]
画像から3Dオブジェクトを検出することは、自動運転の基本的かつ困難な問題の一つだ。
この問題を2015年から2021年にかけて200以上の研究が行われ、理論、アルゴリズム、応用の幅広い範囲で研究されている。
我々は,この新奇で継続的な研究分野を包括的に調査し,画像に基づく3D検出に最もよく使用されるパイプラインを要約する。
論文 参考訳（メタデータ） (2022-02-07T07:12:24Z) - Learning Object Detection from Captions via Textual Scene Attributes [70.90708863394902]
キャプションには、オブジェクトの属性やそれらの関係など、画像に関するよりリッチな情報が含まれている、と我々は主張する。
本稿では,この「テキストシーングラフ」の属性を用いて物体検知器を訓練する手法を提案する。
得られたモデルが、いくつかの挑戦的なオブジェクト検出データセットに対して、最先端の結果を達成することを実証的に実証した。
論文 参考訳（メタデータ） (2020-09-30T10:59:20Z) - Improving Object Detection with Selective Self-supervised Self-training [62.792445237541145]
本研究では,Web画像を利用した人為的対象検出データセットの強化について検討する。
画像と画像の検索によりWebイメージを検索し、他の検索手法に比べて、キュレートされたデータからのドメインシフトが少なくなる。
画像分類のためのラベルのないデータを探索する2つの並列処理をモチベーションとした新しい学習手法を提案する。
論文 参考訳（メタデータ） (2020-07-17T18:05:01Z) - Object recognition through pose and shape estimation [0.0]
コンピュータービジョンは、機械やコンピューターが人間のように見えるのを助ける。
ジェスチャー認識と運動認識はコンピュータビジョン研究の現在領域である。
論文 参考訳（メタデータ） (2020-06-23T09:55:40Z) - Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。
深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
論文 参考訳（メタデータ） (2020-01-15T21:37:47Z) - Learning Transformation-Aware Embeddings for Image Forensics [15.484408315588569]
Image Provenance Analysisは、コンテンツを共有するさまざまな操作されたイメージバージョン間の関係を見つけることを目的としている。
証明分析のための主要なサブプロブレムの1つは、完全なコンテンツを共有したり、ほぼ重複している画像の編集順序である。
本稿では,1つの画像から生成した画像に対して,変換を通じて妥当な順序付けを行うための,新しい深層学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2020-01-13T22:01:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。