JP6042778B2 - 画像に基づくバイナリ局所特徴ベクトルを用いた検索装置、システム、プログラム及び方法 - Google Patents
画像に基づくバイナリ局所特徴ベクトルを用いた検索装置、システム、プログラム及び方法 Download PDFInfo
- Publication number
- JP6042778B2 JP6042778B2 JP2013148076A JP2013148076A JP6042778B2 JP 6042778 B2 JP6042778 B2 JP 6042778B2 JP 2013148076 A JP2013148076 A JP 2013148076A JP 2013148076 A JP2013148076 A JP 2013148076A JP 6042778 B2 JP6042778 B2 JP 6042778B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- vector
- query
- identifier
- search
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Description
リファレンス画像について、リスト識別子LIDn毎に、リファレンス画像識別子と、粗量子化及び直積量子化を用いて符号化した画像特徴符号との複数の組を対応付けた転置インデックスを登録する転置インデックス登録手段と、
クエリ画像についてリスト識別子LIDnと画像特徴符号の複数の組を入力する検索手段とを有し、
検索手段は、
クエリ画像の各リスト識別子と画像特徴符号の組について、当該リスト識別子に対応する転置インデックスのリストを取得し、
クエリ画像の画像特徴符号と、取得したリスト中のリファレンス画像の各画像特徴符号との間の距離を算出し、
距離が短いほど高くなるスコア値を算出し、
当該リファレンス画像毎に該スコア値を累積加算し、
スコア値が最も高くなるリファレンス画像を検索結果として出力する
ことを特徴とする。
検索手段について、上位所定件数(K)のうちi件目に対応する加算スコアは、
(1)k番目の距離の二乗からi番目の距離の二乗を引いたものとするか、
(2)k番目の距離の二乗とi番目の距離の二乗の比から1を引いたものとするか、
(3)k番目の距離とi番目の距離の比の二乗から1を引いたものとするか、又は、
(4)k番目の距離とi番目の距離の比から1を引いたものの二乗とする
ことも好ましい。
画像特徴符号は、直積量子化のための残差コードブックの代表ベクトルの識別子の列で表されており、
画像特徴符号間の距離は、第1の識別子列x及び第2の識別子列yについて、第1の識別子列xのl番目の識別子に対応する代表ベクトルと第2の識別子列yのl番目の識別子に対応する代表ベクトルとの間の各距離を1≦l≦Lについて総和したものである
ことも好ましい。
画像特徴符号間の距離は、残差コードブックにおける2つの第1の識別子列x及び第2の識別子列yの総当りの組み合わせについて、第1の識別子列xの代表ベクトルと第2の識別子列yの代表ベクトルとの間の距離を登録したテーブルTを用いて算出されることも好ましい。
クエリ画像及びリファレンス画像から局所特徴のクエリベクトル及びリファレンスベクトルを抽出する局所特徴抽出手段と、
局所特徴抽出手段から出力されたクエリベクトル及びリファレンスベクトルに対して、コードブックを用いて第1階層で粗量子化し、その量子化誤差を残差コードブックを用いて第2階層で直積量子化し、当該クエリ画像についてリスト識別子LIDn毎に画像特徴符号の複数の組を検索手段へ出力し、当該リファレンス画像についてリスト識別子LIDn毎に画像特徴符号の複数の組を転置インデックス登録手段へ出力する符号化手段と
を有することも好ましい。
局所特徴抽出手段は、ORB(Oriented FAST and Rotated BRIEF)又はFREAK(Fast
Retina Keypoint)に基づくバイナリ局所特徴ベクトルを抽出し、
コードブックは、バイナリ局所特徴ベクトルのリファレンスベクトルを、K-Medoids法を用いてクラスタリングしたものであり、
粗量子化は、バイナリ局所特徴ベクトルのクエリベクトルを、コードブック内の最も類似したバイナリ代表ベクトルに割り当て、
量子化誤差は、バイナリ特徴ベクトルと、そのバイナリ特徴ベクトルに最も類似したバイナリ代表ベクトルとの排他的論理和によって算出されることも好ましい。
端末は、
クエリ画像から局所特徴のクエリベクトルを抽出する局所特徴抽出手段と、
局所特徴抽出手段から出力されたクエリベクトルに対して、コードブックを用いて第1階層で粗量子化し、その量子化誤差を残差コードブックを用いて第2階層で直積量子化し、当該クエリ画像についてリスト識別子LIDn毎に画像特徴符号の複数の組を出力する符号化手段と、
クエリ画像におけるリスト識別子LIDn毎の画像特徴符号の複数の組を、サーバへ送信するクエリ符号送信手段と、
サーバから、検索された1つ以上のリファレンス画像を受信し且つ出力するリファレンス画像受信手段とを有し、
サーバは、
リファレンス画像から局所特徴のリファレンスベクトルを抽出する局所特徴抽出手段と、
局所特徴抽出手段から出力されたリファレンスベクトルに対して、コードブックを用いて第1階層で粗量子化し、その量子化誤差を残差コードブックを用いて第2階層で直積量子化し、当該リファレンス画像についてリスト識別子LIDn毎に画像特徴符号の複数の組を、転置インデックス登録手段へ出力する符号化手段と、
端末から、クエリ画像についてリスト識別子LIDn毎に画像特徴符号の複数の組を受信するクエリ符号受信手段と、
スコア値が最も高くなるリファレンス画像を検索結果として送信するリファレンス画像送信手段と
を有することを特徴とする。
局所特徴抽出手段は、ORB又はFREAKに基づくバイナリ局所特徴ベクトルを抽出し、
コードブックは、バイナリ局所特徴ベクトルのリファレンスベクトルを、K-Medoids法を用いてクラスタリングしたものであり、
粗量子化は、バイナリ局所特徴ベクトルのクエリベクトルと、コードブック内のバイナリ代表ベクトルとを排他的論理和によって算出する
ことも好ましい。
リファレンス画像について、リスト識別子LIDn毎に、リファレンス画像識別子と、粗量子化及び直積量子化を用いて符号化した画像特徴符号との複数の組を対応付けた転置インデックスを登録する転置インデックス登録手段と、
クエリ画像についてリスト識別子LIDnと画像特徴符号の複数の組を入力する検索手段とを有し、
検索手段は、
クエリ画像の各リスト識別子と画像特徴符号の組について、当該リスト識別子に対応する転置インデックスのリストを取得し、
クエリ画像の画像特徴符号と、取得したリスト中のリファレンス画像の各画像特徴符号との間の距離を算出し、
距離が短いほど高くなるスコア値を算出し、
当該リファレンス画像毎に該スコア値を累積加算し、
スコア値が最も高くなるリファレンス画像を検索結果として出力する
ようにコンピュータを機能させることを特徴とする。
リファレンス画像について、リスト識別子LIDn毎に、リファレンス画像識別子と、粗量子化及び直積量子化を用いて符号化した画像特徴符号との複数の組を対応付けた転置インデックスを登録する転置インデックス登録部を有し、
クエリ画像についてリスト識別子LIDnと画像特徴符号の複数の組を入力する第1のステップと、
クエリ画像の各リスト識別子と画像特徴符号の組について、当該リスト識別子に対応する転置インデックスのリストを取得する第2のステップと、
クエリ画像の画像特徴符号と、取得したリスト中のリファレンス画像の各画像特徴符号との間の距離を算出する第3のステップと、
距離が短いほど高くなるスコア値を算出する第4のステップと、
当該リファレンス画像毎に該スコア値を累積加算する第5のステップと、
スコア値が最も高くなるリファレンス画像を検索結果として出力する第6のステップと
を有することを特徴とする。
(1)検索装置(単体):ユーザからクエリ画像が入力され、そのクエリ画像に対するリファレンス画像を検索し、そのリファレンス画像をユーザに対して出力する。
(2)サーバ−クライアント・システム:サーバとしての検索装置1と、クライアントとしての端末2とが、ネットワークを介して接続されている。端末2は、ユーザからクエリ画像が入力され、そのクエリ画像を検索装置1へ送信する。これに対し、検索装置1は、受信したクエリ画像に対するリファレンス画像を検索し、そのリファレンス画像を端末2へ返信する。そして、端末2は、そのリファレンス画像をユーザに対して出力する。
検索装置1は、局所特徴ベクトルの集合で表されるリファレンス画像(検索対象の画像)の集合から、同じく局所特徴ベクトルの集合で表されるクエリ画像(検索キーとなる画像)に類似したリファレンスコンテンツを検索する。検索装置1は、少なくとも、局所特徴抽出部11と、符号化部12と、転置インデックス登録部13と、検索部14とを有する。これら機能構成部は、検索装置に搭載されたコンピュータを機能させるプログラムを実行することによって実現される。また、これら機能構成部の処理の流れは、装置を用いた検索方法としても理解できる。
局所特徴抽出部11は、クエリ画像及びリファレンス画像から局所特徴のクエリベクトル及びリファレンスベクトルを抽出する。本発明によれば、バイナリ局所特徴ベクトルの抽出アルゴリズムとして、ORB(Oriented FAST and Rotated BRIEF)又はFREAK(Fast Retina Keypoint)を用いる。ORBの場合、1つのコンテンツから256ビットのバイナリ局所特徴ベクトルの集合が抽出される。例えば、高速にマッチングを実行するべく、バイナリコードによる特徴記述としてBRIEF(Binary Robust Independent Elementary Features)がある。本発明によれば、BRIEFに回転不変性を導入した特徴記述をすることができる「ORB」を用いる。特に、ORBによれば、SIFTやSURFと比較して、同等以上の精度を保持すると共に、数百倍の高速化を実現することができる。
(特徴点検出処理)
ORBの特徴点検出処理によれば、高速にキーポイントを検出するためにFAST(Features from Accelerated Segment Test)を用いる。また、FASTでは、スケール変化に対してロバストではないため、画像を複数のサイズに変換し、それぞれのサイズの画像から特徴点を抽出する。
次に、ORBの特徴ベクトル記述処理によれば、検出された特徴点毎に、BRIEF特徴ベクトル記述子によってバイナリ局所特徴ベクトルが抽出される。これらは、特徴点周辺の2箇所のピクセルの輝度の大小関係から求められる。
符号化部12は、局所特徴抽出部11から出力された、バイナリ局所特徴ベクトルのクエリベクトル及びリファレンスベクトルを画像特徴符号化して、その画像特徴符号を転置インデックス登録部13へ出力する。
図3は、符号化部の処理を表す説明図である。
LID=argmins ham(B,Bs)
ham(x,y):xとyとのハミング距離
次に、入力されたバイナリ局所特徴ベクトルBと、そのBと最も類似した(例えばハミング距離が最も近くなる)バイナリ代表ベクトルBsとの排他的論理和を算出し、それを残差バイナリベクトルBRとする。
BR=B XOR Bs (XOR:排他的論理和)
算出された残差バイナリベクトルBRは、残差ベクトル分割部122へ出力される。
RC=(f1,・・・,fL)
(LID, RC)
LID:log2Sビット(Sは、コードブック記憶部のコードブック数)
RC:L・log2Fビット(Fは、残差コードブック記憶部のコードブック数)
(1)当該クエリ画像のバイナリ局所特徴ベクトルについては、リスト識別子LIDn毎に、画像特徴符号RCの複数の組を、検索部14へ出力する。
(2)当該リファレンス画像のバイナリ局所特徴ベクトルについては、リスト識別子LIDn毎に、画像特徴符号RCの複数の組を、転置インデックス登録部13へ出力する。
転置インデックス登録部13は、リスト識別子LIDn毎に、画像識別子RIDと画像特徴符号RCとの組(RID,RCn)をリストとして登録したものである。
RID -> (LID1,RC1)(LID2,RC2)・・・(LIDn,RCn)・・・(LIDN,RCN)
組(LID,RC)毎に、その画像識別子RIDと画像特徴符号RCとの組(RID,RC)を、転置インデックスにおけるそのリスト識別子LIDに連結して登録する。
LID1 -> (RID,RC)(RID,RC)(RID,RC)・・・
LID2 -> (RID,RC)(RID,RC)(RID,RC)・・・
・・・
LIDn -> (RID,RC)(RID,RC)(RID,RC)・・・
・・・
検索部14は、クエリ画像について、リスト識別子LIDnと画像特徴符号QCnの複数の組を入力する。
クエリ符号 ->(LID1,QC1)(LID2,QC2)・・・(LIDn,QCn)・・・(LIDN,QCN)
図6は、本発明における検索部の処理を表すフローチャートである。
score[]=0 (S0)
for each i=1〜N
転置インデックスのLIDi番目のリストを取得 (S1)
リスト中の組(RID1, RC1)〜(RIDM, RCM)について
クエリ画像に基づく組(QCi, RCj)の距離Dijを算出し、
距離と画像識別子の組(Dij, RIDj)を作成する (S2)
Dijを昇順にソートする (S3)
上位K番目までの組Di'j'を選択する
for each k=1〜K
k番目のDi'j'について、score[RCj']+=S(Di'j',D)
end for
end for
クエリ画像の画像特徴符号QCiと、取得したリスト中のリファレンス画像の各画像特徴符号RCjとの間の距離Dijを算出する。そして、その距離Dijと画像識別子RIDjとの組(Dij, RIDj)を作成する。
第1の画像特徴符号QCi=(x1,x2,・・・,xL)
第2の画像特徴符号RCj=(y1,y2,・・・,yL)
第1の画像特徴符号QCiと第2の画像特徴符号RCjとの間の距離Dij
=x1の代表ベクトルとy1の代表ベクトルとの間の距離
+x2の代表ベクトルとy2の代表ベクトルとの間の距離
+・・・・・
+・・・・・
+xLの代表ベクトルとyLの代表ベクトルとの間の距離
テーブル:Tl[QCil][RCjl]
距離Dij=Σ1 LTl[QCil][RCjl]
即ち、l番目のコードを符号化する際に利用したl番目のコードブックCl内の代表バイナリベクトルCl1,Cl2,・・・,ClFについて、ClxとClyとの間の距離が予め計算されており、テーブルTl[x][y]に保持されていることとなる。
S(Di'j',D):k番目の距離を持つ画像への投票スコア値
(1)k番目の距離の二乗から、i番目の距離の二乗を引いたものとする
S(Di'j',D)=D2−Di'j' 2
(2)k番目の距離の二乗とi番目の距離の二乗の比から、1を引いたものとする
S(Di'j',D)=D2/Di'j' 2−1
(3)k番目の距離とi番目の距離の比の二乗から、1を引いたものとする
S(Di'j',D)=(D/Di'j')2−1
(4)k番目の距離とi番目の距離の比から1を引いたものの二乗とする
S(Di'j',D)=(D/Di'j'−1)2
サーバ1は、前述の検索装置に加えて、ネットワークに接続する通信インタフェース10と、クエリ符号受信部15と、リファレンス符号送信部16とを更に有する。
リファレンス画像送信部16は、検索部14から出力された、スコア値が最も高くなるリファレンス画像を検索結果として検索結果として、端末2へ送信する。
端末2は、前述した検索装置1と同一の局所特徴量抽出部21及び符号化部22を有する。その上で、端末2は、ネットワークに接続する通信インタフェース20と、クエリ符号送信部25と、リファレンス画像受信部26とを更に有する。
リファレンス画像受信部26は、サーバ1から、検索された1つ以上のリファレンス画像を受信し、そのリファレンス画像をユーザに対して出力する。
2 端末
10、20 通信インタフェース
11、21 局所特徴抽出部
12、22 符号化部
120 コードブック記憶部
121 粗量子化部
122 残差ベクトル分割部
123 残差コードブック記憶部
124 直積量子化部
13 転置インデックス登録部
14 検索部
15 クエリ符号受信部
16 リファレンス画像送信部
25 クエリ符号送信部
26 リファレンス画像受信部
Claims (12)
- リファレンス画像から抽出されたリファレンスベクトルの集合から、クエリ画像のクエリベクトルに類似したベクトルを検索する検索装置であって、
リファレンス画像について、リスト識別子LIDn毎に、リファレンス画像識別子と、粗量子化及び直積量子化を用いて符号化した画像特徴符号との複数の組を対応付けた転置インデックスを登録する転置インデックス登録手段と、
クエリ画像についてリスト識別子LIDnと画像特徴符号の複数の組を入力する検索手段と
を有し、
前記検索手段は、
前記クエリ画像の各リスト識別子と画像特徴符号の組について、当該リスト識別子に対応する転置インデックスのリストを取得し、
前記クエリ画像の画像特徴符号と、取得したリスト中のリファレンス画像の各画像特徴符号との間の距離を算出し、
前記距離が短いほど高くなるスコア値を算出し、
当該リファレンス画像毎に該スコア値を累積加算し、
前記スコア値が最も高くなるリファレンス画像を検索結果として出力する
ことを特徴とする検索装置。 - 前記検索手段は、距離が短い上位所定件数(K)に相当するスコア値のみを当該リファレンス画像に累積加算することを特徴とする請求項1に記載の検索装置。
- 前記検索手段について、前記上位所定件数(K)は、予め設定された固定数か、又は、予め設定された距離に関する閾値THに基づいて当該距離が閾値TH以下となる距離の数であることを特徴とする請求項2に記載の検索装置。
- 前記検索手段について、前記上位所定件数(K)のうちi件目に対応する加算スコアは、
(1)K番目の距離の二乗からi番目の距離の二乗を引いたものとするか、
(2)k番目の距離の二乗とi番目の距離の二乗の比から1を引いたものとするか、
(3)k番目の距離とi番目の距離の比の二乗から1を引いたものとするか、又は、
(4)k番目の距離とi番目の距離の比から1を引いたものの二乗とする
ことを特徴とする請求項3に記載の検索装置。 - 前記画像特徴符号は、前記直積量子化のための残差コードブックの代表ベクトルの識別子の列で表されており、
前記画像特徴符号間の距離は、第1の識別子列x及び第2の識別子列yについて、第1の識別子列xのl番目の識別子に対応する代表ベクトルと第2の識別子列yのl番目の識別子に対応する代表ベクトルとの間の各距離を1≦l≦Lについて総和したものである
ことを特徴とする請求項1から4のいずれか1項に記載の検索装置。 - 前記画像特徴符号間の距離は、前記残差コードブックにおける2つの第1の識別子列x及び第2の識別子列yの総当りの組み合わせについて、第1の識別子列xの代表ベクトルと第2の識別子列yの代表ベクトルとの間の距離を登録したテーブルTを用いて算出される
ことを特徴とする請求項5に記載の検索装置。 - クエリ画像及びリファレンス画像から局所特徴のクエリベクトル及びリファレンスベクトルを抽出する局所特徴抽出手段と、
前記局所特徴抽出手段から出力されたクエリベクトル及びリファレンスベクトルに対して、コードブックを用いて第1階層で粗量子化し、その量子化誤差を残差コードブックを用いて第2階層で直積量子化し、当該クエリ画像についてリスト識別子LIDn毎に画像特徴符号の複数の組を前記検索手段へ出力し、当該リファレンス画像についてリスト識別子LIDn毎に画像特徴符号の複数の組を前記転置インデックス登録手段へ出力する符号化手段と
を有することを特徴とする請求項1から6のいずれか1項に記載の検索装置。 - 前記局所特徴抽出手段は、ORB(Oriented FAST and Rotated BRIEF)又はFREAK(Fast Retina Keypoint)に基づくバイナリ局所特徴ベクトルを抽出し、
前記コードブックは、前記バイナリ局所特徴ベクトルのリファレンスベクトルを、K-Medoids法を用いてクラスタリングしたものであり、
前記粗量子化は、前記バイナリ局所特徴ベクトルのクエリベクトルを、前記コードブック内の最も類似したバイナリ代表ベクトルに割り当て、
前記量子化誤差は、バイナリ特徴ベクトルと、そのバイナリ特徴ベクトルに最も類似したバイナリ代表ベクトルとの排他的論理和によって算出される
ことを特徴とする請求項7に記載の検索装置。 - 請求項1から6のいずれか1項に記載の検索装置として機能するサーバと、クエリ画像を入力する端末とを有するシステムであって、
前記端末は、
クエリ画像から局所特徴のクエリベクトルを抽出する局所特徴抽出手段と、
前記局所特徴抽出手段から出力されたクエリベクトルに対して、コードブックを用いて第1階層で粗量子化し、その量子化誤差を残差コードブックを用いて第2階層で直積量子化し、当該クエリ画像についてリスト識別子LIDn毎に画像特徴符号の複数の組を出力する符号化手段と、
前記クエリ画像におけるリスト識別子LIDn毎の画像特徴符号の複数の組を、前記サーバへ送信するクエリ符号送信手段と、
前記サーバから、検索された1つ以上のリファレンス画像を受信し且つ出力するリファレンス画像受信手段と
を有し、
前記サーバは、
リファレンス画像から局所特徴のリファレンスベクトルを抽出する局所特徴抽出手段と、
前記局所特徴抽出手段から出力されたリファレンスベクトルに対して、コードブックを用いて第1階層で粗量子化し、その量子化誤差を残差コードブックを用いて第2階層で直積量子化し、当該リファレンス画像についてリスト識別子LIDn毎に画像特徴符号の複数の組を、前記転置インデックス登録手段へ出力する符号化手段と、
前記端末から、前記クエリ画像についてリスト識別子LIDn毎に画像特徴符号の複数の組を受信するクエリ符号受信手段と、
前記スコア値が最も高くなるリファレンス画像を検索結果として送信するリファレンス画像送信手段と
を有することを特徴とするシステム。 - 前記局所特徴抽出手段は、ORB又はFREAKに基づくバイナリ局所特徴ベクトルを抽出し、
前記コードブックは、前記バイナリ局所特徴ベクトルのリファレンスベクトルを、K-Medoids法を用いてクラスタリングしたものであり、
前記粗量子化は、前記バイナリ局所特徴ベクトルのクエリベクトルと、前記コードブック内のバイナリ代表ベクトルとを排他的論理和によって算出する
ことを特徴とする請求項9に記載のシステム。 - 装置に搭載されたコンピュータを、リファレンス画像から抽出されたリファレンスベクトルの集合から、クエリ画像のクエリベクトルに類似したベクトルを検索するように機能させるプログラムであって、
リファレンス画像について、リスト識別子LIDn毎に、リファレンス画像識別子と、粗量子化及び直積量子化を用いて符号化した画像特徴符号との複数の組を対応付けた転置インデックスを登録する転置インデックス登録手段と、
クエリ画像についてリスト識別子LIDnと画像特徴符号の複数の組を入力する検索手段と
を有し、
前記検索手段は、
前記クエリ画像の各リスト識別子と画像特徴符号の組について、当該リスト識別子に対応する転置インデックスのリストを取得し、
前記クエリ画像の画像特徴符号と、取得したリスト中のリファレンス画像の各画像特徴符号との間の距離を算出し、
前記距離が短いほど高くなるスコア値を算出し、
当該リファレンス画像毎に該スコア値を累積加算し、
前記スコア値が最も高くなるリファレンス画像を検索結果として出力する
ようにコンピュータを機能させることを特徴とするプログラム。 - 装置を用いて、リファレンス画像から抽出されたリファレンスベクトルの集合から、クエリ画像のクエリベクトルに類似したベクトルを検索する検索方法であって、
リファレンス画像について、リスト識別子LIDn毎に、リファレンス画像識別子と、粗量子化及び直積量子化を用いて符号化した画像特徴符号との複数の組を対応付けた転置インデックスを登録する転置インデックス登録部を有し、
クエリ画像についてリスト識別子LIDnと画像特徴符号の複数の組を入力する第1のステップと、
前記クエリ画像の各リスト識別子と画像特徴符号の組について、当該リスト識別子に対応する転置インデックスのリストを取得する第2のステップと、
前記クエリ画像の画像特徴符号と、取得したリスト中のリファレンス画像の各画像特徴符号との間の距離を算出する第3のステップと、
前記距離が短いほど高くなるスコア値を算出する第4のステップと、
当該リファレンス画像毎に該スコア値を累積加算する第5のステップと、
前記スコア値が最も高くなるリファレンス画像を検索結果として出力する第6のステップと
を有することを特徴とする検索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013148076A JP6042778B2 (ja) | 2013-07-16 | 2013-07-16 | 画像に基づくバイナリ局所特徴ベクトルを用いた検索装置、システム、プログラム及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013148076A JP6042778B2 (ja) | 2013-07-16 | 2013-07-16 | 画像に基づくバイナリ局所特徴ベクトルを用いた検索装置、システム、プログラム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015022383A JP2015022383A (ja) | 2015-02-02 |
JP6042778B2 true JP6042778B2 (ja) | 2016-12-14 |
Family
ID=52486808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013148076A Active JP6042778B2 (ja) | 2013-07-16 | 2013-07-16 | 画像に基づくバイナリ局所特徴ベクトルを用いた検索装置、システム、プログラム及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6042778B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6311000B1 (ja) | 2016-12-19 | 2018-04-11 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
CN109840525B (zh) * | 2017-11-27 | 2022-09-20 | 中国科学院沈阳计算技术研究所有限公司 | 圆周二进制特征的提取与匹配搜索方法 |
CN110659373B (zh) * | 2019-08-27 | 2022-11-08 | 浙江大华技术股份有限公司 | 图像检索的方法、设备、计算机设备和存储介质 |
CN111143597B (zh) * | 2019-12-13 | 2023-06-20 | 浙江大华技术股份有限公司 | 图像检索方法、终端及存储装置 |
CN114595350B (zh) * | 2021-12-08 | 2024-04-26 | 拓尔思信息技术股份有限公司 | 一种百亿级图像快速搜索的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5436346B2 (ja) * | 2010-06-09 | 2014-03-05 | Kddi株式会社 | 高次元の特徴ベクトルの集合から類似した特徴ベクトルを検索する検索装置及びプログラム |
JP5637939B2 (ja) * | 2011-06-28 | 2014-12-10 | Kddi株式会社 | 少ないコードブックの情報量によって高次元の特徴ベクトルを検索する検索装置及びプログラム |
-
2013
- 2013-07-16 JP JP2013148076A patent/JP6042778B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2015022383A (ja) | 2015-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6041439B2 (ja) | 画像に基づくバイナリ特徴ベクトルを用いた画像検索装置、システム、プログラム及び方法 | |
Chandrasekhar et al. | CHoG: Compressed histogram of gradients a low bit-rate feature descriptor | |
Zhou et al. | Towards codebook-free: Scalable cascaded hashing for mobile image search | |
CN102549603B (zh) | 基于相关性的图像选择 | |
US8571306B2 (en) | Coding of feature location information | |
Zheng et al. | $\mathcal {L} _p $-Norm IDF for Scalable Image Retrieval | |
Chen et al. | Residual enhanced visual vectors for on-device image matching | |
JP6042778B2 (ja) | 画像に基づくバイナリ局所特徴ベクトルを用いた検索装置、システム、プログラム及び方法 | |
CN105183746B (zh) | 从多相关图片中挖掘显著特征实现图像检索的方法 | |
Altintakan et al. | Towards effective image classification using class-specific codebooks and distinctive local features | |
Wu et al. | A multi-sample, multi-tree approach to bag-of-words image representation for image retrieval | |
Ji et al. | Learning compact visual descriptor for low bit rate mobile landmark search | |
Chen et al. | A hybrid mobile visual search system with compact global signatures | |
Wang et al. | Beauty product image retrieval based on multi-feature fusion and feature aggregation | |
Boix et al. | Sparse quantization for patch description | |
Liu et al. | Scene classification by coupling convolutional neural networks with Wasserstein distance | |
JP6460926B2 (ja) | 撮影画像に写る物体を検索するシステム及び方法 | |
Sun et al. | Search by detection: Object-level feature for image retrieval | |
EP3192010A1 (en) | Image recognition using descriptor pruning | |
JP6017277B2 (ja) | 特徴ベクトルの集合で表されるコンテンツ間の類似度を算出するプログラム、装置及び方法 | |
JP5959446B2 (ja) | コンテンツをバイナリ特徴ベクトルの集合で表現することによって高速に検索する検索装置、プログラム及び方法 | |
Schroth et al. | Rapid image retrieval for mobile location recognition | |
Farhangi et al. | Informative visual words construction to improve bag of words image representation | |
Qi et al. | A low transmission overhead framework of mobile visual search based on vocabulary decomposition | |
CN105205487B (zh) | 一种图片处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160119 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161014 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161026 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161110 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6042778 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |