論文の概要: Efficient image retrieval using multi neural hash codes and bloom
filters
- arxiv url: http://arxiv.org/abs/2011.03234v2
- Date: Wed, 18 Nov 2020 12:09:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 04:41:36.482545
- Title: Efficient image retrieval using multi neural hash codes and bloom
filters
- Title（参考訳）: マルチニューラルハッシュコードとブルームフィルタを用いた効率的な画像検索
- Authors: Sourin Chakrabarti
- Abstract要約: 本稿では,複数のニューラルハッシュ符号を用いた画像検索手法を提案する。
また、事前に偽陽性を識別することで、ブルームフィルタを使用したクエリの数を制限する。
- 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: This paper aims to deliver an efficient and modified approach for image
retrieval using multiple neural hash codes and limiting the number of queries
using bloom filters by identifying false positives beforehand. Traditional
approaches involving neural networks for image retrieval tasks tend to use
higher layers for feature extraction. But it has been seen that the activations
of lower layers have proven to be more effective in a number of scenarios. In
our approach, we have leveraged the use of local deep convolutional neural
networks which combines the powers of both the features of lower and higher
layers for creating feature maps which are then compressed using PCA and fed to
a bloom filter after binary sequencing using a modified multi k-means approach.
The feature maps obtained are further used in the image retrieval process in a
hierarchical coarse-to-fine manner by first comparing the images in the higher
layers for semantically similar images and then gradually moving towards the
lower layers searching for structural similarities. While searching, the neural
hashes for the query image are again calculated and queried in the bloom filter
which tells us whether the query image is absent in the set or maybe present.
If the bloom filter doesn't necessarily rule out the query, then it goes into
the image retrieval process. This approach can be particularly helpful in cases
where the image store is distributed since the approach supports parallel
querying.
- Abstract（参考訳）: 本稿では,複数のニューラルハッシュ符号を用いて画像検索を効率よく改良し,事前に偽陽性を識別することにより,ブルームフィルタを用いたクエリ数を制限することを目的とする。
画像検索タスクのためのニューラルネットワークを含む従来のアプローチは、特徴抽出に高層層を使用する傾向がある。
しかし、下位層の活性化は多くのシナリオでより効果的であることが証明されている。
提案手法では,PCAを用いて圧縮し,修正されたマルチk平均アプローチを用いてバイナリシークエンシングを行った後,ブルームフィルタに送出する特徴マップを作成するために,下位層と上位層の両方の特徴のパワーを組み合わせた局所的な深部畳み込みニューラルネットワークを利用する。
得られた特徴マップは、まず、意味的に類似した画像に対して上位層の画像を比較し、その後、構造的類似性を求める下位層に向かって徐々に移動させることにより、階層的に粗い粒度で画像検索プロセスにおいてさらに使用される。
検索中、クエリ画像のニューラルネットワークハッシュが再度計算され、ブルームフィルタでクエリ画像がセットに存在しないか、おそらく存在するかが分かる。
ブルームフィルタが必ずしもクエリを除外しない場合は、画像検索プロセスに入る。
このアプローチは、並列クエリをサポートするため、イメージストアが分散している場合に特に有用である。
関連論文リスト
- Integrating Visual and Semantic Similarity Using Hierarchies for Image
Retrieval [0.46040036610482665]
視覚的階層構造を用いて視覚的および意味的類似性の両方をキャプチャするCBIRの手法を提案する。
階層構造は、分類のために訓練されたディープニューラルネットワークの潜在空間に重複する特徴を持つクラスをマージすることによって構築される。
本手法は,既存の画像検索手法と比較して優れた性能を実現する。
論文 参考訳（メタデータ） (2023-08-16T15:23:14Z) - MaskSearch: Querying Image Masks at Scale [60.82746984506577]
MaskSearchは、クエリ結果の正確性を確保しながら、イメージマスクのデータベース上でクエリを高速化するシステムである。
試行錯誤実験の結果,圧縮データサイズの約5%のインデックスを用いたMaskSearchは,最大2桁のクエリを高速化することがわかった。
論文 参考訳（メタデータ） (2023-05-03T18:28:14Z) - Image Completion via Dual-path Cooperative Filtering [17.62197747945094]
入力シーンに基づいた画像復元のための予測フィルタリング手法を提案する。
欠落した情報を埋めるために、機能レベルのセマンティックフィルタリングが導入されている。
3つの挑戦的な画像補完データセットの実験により、提案したDCFは最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2023-04-30T03:54:53Z) - Contextual Similarity Aggregation with Self-attention for Visual
Re-ranking [96.55393026011811]
本稿では,自己注意を伴う文脈的類似性集約による視覚的再ランク付け手法を提案する。
提案手法の汎用性と有効性を示すため,4つのベンチマークデータセットの総合的な実験を行った。
論文 参考訳（メタデータ） (2021-10-26T06:20:31Z) - SeqNet: Learning Descriptors for Sequence-based Hierarchical Place
Recognition [31.714928102950594]
本稿では,高性能初期一致仮説生成器を生成する新しいハイブリッドシステムを提案する。
シーケンス記述子はseqnetと呼ばれる時間畳み込みネットワークを使って生成される。
次に、ショートリスト付き単一画像学習記述子を用いて選択的な逐次スコアアグリゲーションを行い、全体の位置一致仮説を生成する。
論文 参考訳（メタデータ） (2021-02-23T10:32:10Z) - Searching for Controllable Image Restoration Networks [57.23583915884236]
既存の方法は各出力毎にネットワーク全体を通して別々の推論を必要とする。
本稿では,複数の画像効果を効率的に生成できるニューラルアーキテクチャ探索手法に基づく新しい枠組みを提案する。
論文 参考訳（メタデータ） (2020-12-21T10:08:18Z) - Convolutional Neural Networks from Image Markers [62.997667081978825]
特徴 画像マーカーからの学習(FLIM)は、ごく少数の画像でユーザーが描画したストロークから、バックプロパゲーションのない畳み込みフィルタを推定するために最近提案されました。
本稿では、フルコネクテッド層に対してFLIMを拡張し、異なる画像分類問題について実証する。
その結果、FLIMベースの畳み込みニューラルネットワークは、バックプロパゲーションによってゼロから訓練された同じアーキテクチャを上回ります。
論文 参考訳（メタデータ） (2020-12-15T22:58:23Z) - Learning to Compose Hypercolumns for Visual Correspondence [57.93635236871264]
本稿では,画像に条件付けされた関連レイヤを活用することで,動的に効率的な特徴を構成する視覚対応手法を提案する。
提案手法はダイナミックハイパーピクセルフロー(Dynamic Hyperpixel Flow)と呼ばれ,深層畳み込みニューラルネットワークから少数の関連層を選択することにより,高速にハイパーカラム機能を構成することを学習する。
論文 参考訳（メタデータ） (2020-07-21T04:03:22Z) - The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。
次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。
そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-05-16T08:17:44Z) - CBIR using features derived by Deep Learning [0.0]
CBIR(Content Based Image Retrieval)システムでは、クエリ画像が与えられた大きなデータベースから同様の画像を検索する。
本稿では,大規模な画像分類問題に対して学習したディープラーニング畳み込みネットワークから,事前学習したネットワークモデルから派生した特徴を用いることを提案する。
論文 参考訳（メタデータ） (2020-02-13T21:26:32Z) - Progressive Local Filter Pruning for Image Retrieval Acceleration [43.97722250091591]
画像検索高速化のための新しいプログレッシブ・ローカルフィルタ・プルーニング(PLFP)法を提案する。
具体的には、各フィルタの局所的な幾何学的性質を分析し、隣人に置き換えられるものを選択する。
このように、モデルの表現能力は保持される。
論文 参考訳（メタデータ） (2020-01-24T04:28:44Z)
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。