論文の概要: Evolution of a Web-Scale Near Duplicate Image Detection System

• arxiv url: http://arxiv.org/abs/2209.08433v1
• Date: Sun, 18 Sep 2022 00:57:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 18:11:53.017287
• Title: Evolution of a Web-Scale Near Duplicate Image Detection System
• Title（参考訳）: Webスケール近距離画像検出システムの進化
• Authors: Andrey Gusev and Jiajing Xu
• Abstract要約: 本稿では,80億枚の画像にまたがるほぼ重複画像を効率よく検出するシステムを提案する。 本システムは,候補生成,候補選択,クラスタリングの3段階からなる。 本稿で紹介した53,000枚の画像の人間ラベル付きデータセットをリリースする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting near duplicate images is fundamental to the content ecosystem of photo sharing web applications. However, such a task is challenging when involving a web-scale image corpus containing billions of images. In this paper, we present an efficient system for detecting near duplicate images across 8 billion images. Our system consists of three stages: candidate generation, candidate selection, and clustering. We also demonstrate that this system can be used to greatly improve the quality of recommendations and search results across a number of real-world applications. In addition, we include the evolution of the system over the course of six years, bringing out experiences and lessons on how new systems are designed to accommodate organic content growth as well as the latest technology. Finally, we are releasing a human-labeled dataset of ~53,000 pairs of images introduced in this paper.
• Abstract（参考訳）: 重複に近い画像を検出することは、写真共有ウェブアプリケーションのコンテンツエコシステムに不可欠である。 しかし、何十億もの画像を含むウェブスケールのイメージコーパスを巻き込む場合、このような作業は困難である。 本稿では,80億画像にまたがる近接重複画像を検出する効率的なシステムを提案する。 本システムは,候補生成,候補選択,クラスタリングの3段階からなる。 また,本システムは,多数の実世界のアプリケーションを対象とした推薦や検索結果の質向上に有効であることを示す。 さらに,6年間にわたるシステムの進化と,最新技術とともに有機的コンテンツの成長に対応するための新システムの設計方法についての経験と教訓を提供する。 最後に,本稿で紹介した約53,000対の画像の人間ラベルデータセットをリリースする。

関連論文リスト

• Many-to-many Image Generation with Auto-regressive Diffusion Models [59.5041405824704]
  本稿では,与えられた画像集合から関連画像系列を生成可能な多対多画像生成のためのドメイン汎用フレームワークを提案する。 我々は,25個の相互接続された画像を含む12Mの合成マルチイメージサンプルを含む,新しい大規模マルチイメージデータセットMISを提案する。 我々はM2Mを学習し、M2Mは多対多生成のための自己回帰モデルであり、各画像は拡散フレームワーク内でモデル化される。
  論文  参考訳（メタデータ） (2024-04-03T23:20:40Z)
• A Triplet-loss Dilated Residual Network for High-Resolution Representation Learning in Image Retrieval [0.0]
  ローカライゼーションなどのいくつかのアプリケーションでは、画像検索が最初のステップとして使用される。 本論文では,トレーニング可能なパラメータが少ない,単純かつ効率的な画像検索システムを提案する。 提案手法は三重項損失を有する拡張残差畳み込みニューラルネットワークの利点である。
  論文  参考訳（メタデータ） (2023-03-15T07:01:44Z)
• A Perturbation Resistant Transformation and Classification System for Deep Neural Networks [0.685316573653194]
  深層畳み込みニューラルネットワークは、さまざまな自然画像の正確な分類を行うが、設計時には容易に認識できる。 本稿では,攻撃的かつ容易に推定できないマルチプロハングトレーニング,非バウンド入力変換,画像アンサンブルシステムを設計する。
  論文  参考訳（メタデータ） (2022-08-25T02:58:47Z)
• Learning Enriched Features for Fast Image Restoration and Enhancement [166.17296369600774]
  本稿では,ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とする。 我々は、高解像度の空間的詳細を同時に保存しながら、複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。 提案手法は,デフォーカス・デブロアリング,画像デノイング,超解像,画像強調など,さまざまな画像処理タスクに対して,最先端の処理結果を実現する。
  論文  参考訳（メタデータ） (2022-04-19T17:59:45Z)
• HASA: Hybrid Architecture Search with Aggregation Strategy for Echinococcosis Classification and Ovary Segmentation in Ultrasound Images [0.0]
  超音波(US)画像分類と分割のためのハイブリッドNASフレームワークを提案する。 本手法は、上記の米国画像分類および分割タスクに対して、より強力で軽量なモデルを生成することができる。
  論文  参考訳（メタデータ） (2022-04-14T01:43:00Z)
• Dataset and Case Studies for Visual Near-Duplicates Detection in the Context of Social Media [11.569861200214294]
  視覚的に類似したコンテンツの追跡は、そのようなコンテンツの拡散に関連する社会現象を研究・分析する上で重要な課題である。 ソーシャルメディア画像のデータセットを構築し、画像検索といくつかの高度な視覚特徴抽出手法に基づいて視覚近距離検索手法を評価する。
  論文  参考訳（メタデータ） (2022-03-14T15:10:30Z)
• 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)
• PETA: Photo Albums Event Recognition using Transformers Attention [10.855070748535688]
  個人写真アルバムにおけるイベント認識は、ハイレベルな画像理解の課題を示す。 画像表現のためのCNNと、アルバム表現のためのトランスフォーマーのパワーを融合した、テーラーメイドのソリューションを提案する。 我々のソリューションは3つの顕著なベンチマークで最先端の結果に達し、すべてのデータセットで90%以上のmAPを達成した。
  論文  参考訳（メタデータ） (2021-09-26T05:23:24Z)
• Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
  注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。 本稿では,生成逆U-Netという新しい生成手法を提案する。 当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
  論文  参考訳（メタデータ） (2021-01-12T23:02:26Z)
• 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)
• Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
  畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。 ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。 提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
  論文  参考訳（メタデータ） (2020-03-15T11:04:30Z)

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。