論文の概要: Advancements in Content-Based Image Retrieval: A Comprehensive Survey of
Relevance Feedback Techniques
- arxiv url: http://arxiv.org/abs/2312.10089v1
- Date: Wed, 13 Dec 2023 11:07:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-31 03:55:24.350861
- Title: Advancements in Content-Based Image Retrieval: A Comprehensive Survey of
Relevance Feedback Techniques
- Title(参考訳): コンテンツベース画像検索の進歩:関連性フィードバック技術に関する包括的調査
- Authors: Hamed Qazanfari, Mohammad M. AlyanNezhadi, Zohreh Nozari Khoshdaregi
- Abstract要約: コンテントベース画像検索(CBIR)システムはコンピュータビジョンの分野で重要なツールとして登場してきた。
本稿では,対象検出におけるCBIRの役割と,コンテンツ特徴に基づく視覚的に類似した画像の識別と検索の可能性について,包括的に概説する。
低レベルの特徴と高レベルのセマンティック概念の相違から生じるセマンティックギャップについて詳述し、このギャップを橋渡しするためのアプローチを探る。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Content-based image retrieval (CBIR) systems have emerged as crucial tools in
the field of computer vision, allowing for image search based on visual content
rather than relying solely on metadata. This survey paper presents a
comprehensive overview of CBIR, emphasizing its role in object detection and
its potential to identify and retrieve visually similar images based on content
features. Challenges faced by CBIR systems, including the semantic gap and
scalability, are discussed, along with potential solutions. It elaborates on
the semantic gap, which arises from the disparity between low-level features
and high-level semantic concepts, and explores approaches to bridge this gap.
One notable solution is the integration of relevance feedback (RF), empowering
users to provide feedback on retrieved images and refine search results
iteratively. The survey encompasses long-term and short-term learning
approaches that leverage RF for enhanced CBIR accuracy and relevance. These
methods focus on weight optimization and the utilization of active learning
algorithms to select samples for training classifiers. Furthermore, the paper
investigates machine learning techniques and the utilization of deep learning
and convolutional neural networks to enhance CBIR performance. This survey
paper plays a significant role in advancing the understanding of CBIR and RF
techniques. It guides researchers and practitioners in comprehending existing
methodologies, challenges, and potential solutions while fostering knowledge
dissemination and identifying research gaps. By addressing future research
directions, it sets the stage for advancements in CBIR that will enhance
retrieval accuracy, usability, and effectiveness in various application
domains.
- Abstract(参考訳): コンテンツベース画像検索(cbir)システムはコンピュータビジョンの分野で重要なツールとして登場し、メタデータのみに頼るのではなく、ビジュアルコンテンツに基づく画像検索を可能にする。
本稿では,対象検出におけるCBIRの役割と,コンテンツ特徴に基づく視覚的に類似した画像の識別と検索の可能性について,包括的に概説する。
CBIRシステムで直面する課題は, セマンティックギャップやスケーラビリティなど, 潜在的な解決策とともに議論されている。
低レベルの特徴と高レベルの意味概念の相違から生じる意味的ギャップを詳細に説明し、このギャップを橋渡しするアプローチを探求する。
注目すべき解決策の1つは、関連フィードバック(RF)の統合であり、ユーザーは検索した画像に対してフィードバックを提供し、検索結果を反復的に洗練することができる。
この調査は、CBIRの精度と妥当性を高めるためにRFを利用する長期的および短期的な学習アプローチを含んでいる。
これらの手法は, 重み付け最適化と能動学習アルゴリズムの利用に着目し, 訓練用分類器のサンプルを選択する。
さらに,CBIR性能を向上させるために,機械学習技術と深層学習と畳み込みニューラルネットワークの利用について検討した。
本研究は,CBIRおよびRF技術の理解を深める上で重要な役割を担っている。
研究者や実践者が既存の方法論や課題、潜在的な解決策を理解しながら、知識の普及と研究ギャップの特定を促進する。
将来の研究方向性に対処することで、CBIRの進歩のステージを設定し、様々なアプリケーション領域における精度、ユーザビリティ、有効性を向上する。
関連論文リスト
- Infrared and Visible Image Fusion: From Data Compatibility to Task Adaption [65.06388526722186]
赤外線可視画像融合はコンピュータビジョンにおいて重要な課題である。
この急成長する領域に対処する、最近の包括的な調査が欠如している。
本稿では,共通学習に基づくIVIF手法の解明のための多次元フレームワークを提案する。
論文 参考訳(メタデータ) (2025-01-18T13:17:34Z) - Where Do We Stand with Implicit Neural Representations? A Technical and Performance Survey [16.89460694470542]
Inlicit Neural Representation (INR) は知識表現のパラダイムとして登場した。
INRは、データを連続的な暗黙の関数としてモデル化するために多層パーセプトロン(MLP)を利用する。
この調査では、アクティベーション機能、位置エンコーディング、統合戦略、ネットワーク構造という4つの重要な領域に分類する明確な分類法を紹介した。
論文 参考訳(メタデータ) (2024-11-06T06:14:24Z) - On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
ゼロショット画像認識(ZSIR)は、限られたデータから一般化された知識を学習することにより、目に見えない領域の認識と推論を目的としている。
本稿では,ZSIRの最近の進歩を徹底的に研究し,今後の発展の基盤となるものについて述べる。
論文 参考訳(メタデータ) (2024-08-09T05:49:21Z) - A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳(メタデータ) (2024-05-30T04:46:40Z) - Learn and Search: An Elegant Technique for Object Lookup using
Contrastive Learning [6.912349403119665]
ラーン・アンド・サーチ(Learn and Search)は,コントラスト学習の力を活用して検索システムの効率性と有効性を高める,オブジェクト検索の新しいアプローチである。
「学習と探索」は、画像内の極端に類似した領域の識別において、その有効性を示す優れた類似性グリッド精度を実現する。
論文 参考訳(メタデータ) (2024-03-12T00:58:19Z) - Loss Functions in the Era of Semantic Segmentation: A Survey and Outlook [11.119967679567587]
ロス関数は、ディープラーニングベースのセグメンテーションアルゴリズムの開発に不可欠である。
画像分割において、これらの損失関数がどのようにカスタマイズされ、どのように活用されるかについて、新しい分類法とレビューを提供する。
本稿では,現在の課題を特定し,今後の研究機会を明らかにすることで,このレビューを締めくくる。
論文 参考訳(メタデータ) (2023-12-08T22:06:05Z) - An Interactively Reinforced Paradigm for Joint Infrared-Visible Image
Fusion and Saliency Object Detection [59.02821429555375]
この研究は、野生の隠れた物体の発見と位置決めに焦点をあて、無人のシステムに役立てる。
経験的分析により、赤外線と可視画像融合(IVIF)は、難しい物体の発見を可能にする。
マルチモーダル・サリエント・オブジェクト検出(SOD)は、画像内の物体の正確な空間的位置を正確に記述する。
論文 参考訳(メタデータ) (2023-05-17T06:48:35Z) - A clinically motivated self-supervised approach for content-based image
retrieval of CT liver images [11.829945671246598]
ドメイン知識を学習手順に組み込んだ自己教師型学習フレームワークを提案する。
また,CT肝画像のCBIRの文脈における最初の表現学習説明可能性分析も提供する。
その結果,従来の自己監督手法と比較して性能が向上した。
論文 参考訳(メタデータ) (2022-07-11T12:16:29Z) - Remote Sensing Image Classification using Transfer Learning and
Attention Based Deep Neural Network [59.86658316440461]
本稿では、転送学習技術とマルチヘッドアテンションスキームを活用した、深層学習に基づくRSISCフレームワークを提案する。
提案したディープラーニングフレームワークは、ベンチマークNWPU-RESISC45データセットに基づいて評価され、最高の分類精度94.7%を達成する。
論文 参考訳(メタデータ) (2022-06-20T10:05:38Z) - Hierarchical Deep CNN Feature Set-Based Representation Learning for
Robust Cross-Resolution Face Recognition [59.29808528182607]
クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。
既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。
本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
論文 参考訳(メタデータ) (2021-03-25T14:03:42Z) - Deep Image Retrieval: A Survey [21.209884703192735]
深層学習による画像検索に焦点をあて, 深層ネットワーク構造の種類に応じて, 最先端の手法を整理する。
本調査は,カテゴリベースCBIR分野のグローバルな展望を促進することを目的とした,近年の多種多様な手法について考察する。
論文 参考訳(メタデータ) (2021-01-27T09:32:58Z)
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。