콘텐츠 기반 이미지 검색: 시각적 데이터베이스 잠금 해제
By Fouad Sabry
()
About this ebook
콘텐츠 기반 이미지 검색이란 무엇입니까?
이미지 콘텐츠별 쿼리 및 CBVIR(콘텐츠 기반 시각적 정보 검색)이라고도 알려진 콘텐츠 기반 이미지 검색은 대규모 데이터베이스에서 디지털 이미지를 검색하기 어려운 이미지 검색 문제에 컴퓨터 비전 기술을 적용한 것입니다. . 이 기술의 다른 이름으로는 콘텐츠 기반 시각적 정보 검색이 있습니다. 기존의 개념 기반 방법과 달리 콘텐츠 기반 사진 검색은 최근 개발되었습니다.
당신이 얻을 수 있는 혜택
(I) 다음 주제에 대한 통찰력 및 검증:
1장: 콘텐츠 기반 이미지 검색
2장: 정보 검색
3장: 이미지 검색
4장: 자동 이미지 주석
5장: 태그 클라우드
6장: 비디오 검색 엔진
7장: 이미지 정리
8장: 이미지 메타 검색
9장: 역이미지 검색
10장: 시각적 검색 엔진
(II) 콘텐츠 기반 이미지 검색에 관한 대중의 주요 질문에 답변합니다.
(III) 다양한 분야에서 콘텐츠 기반 이미지 검색 사용에 대한 실제 사례.
이 책은 누구를 위한 책인가
전문가, 학부 및 대학원생, 매니아, 취미생활자 및 모든 종류의 콘텐츠 기반 이미지 검색에 대한 기본 지식이나 정보를 넘어서기를 원하는 사람들.
Read more from Fouad Sabry
에너지 분야의 신기술 [Korean]
Related to 콘텐츠 기반 이미지 검색
Titles in the series (100)
히스토그램 균등화: 향상된 시각적 인식을 위한 이미지 대비 향상 Rating: 0 out of 5 stars0 ratings컴퓨터 스테레오 비전: 컴퓨터 비전의 깊이 인식 탐구 Rating: 0 out of 5 stars0 ratings이미지 히스토그램: 시각적 통찰력 공개, 컴퓨터 비전의 이미지 히스토그램 깊이 탐색 Rating: 0 out of 5 stars0 ratings하다마드 변환: 컴퓨터 비전에서 아다마르 변환의 힘 공개 Rating: 0 out of 5 stars0 ratings인간 시각 시스템 모델: 인식 및 처리 이해 Rating: 0 out of 5 stars0 ratings이미지 압축: 시각적 데이터 최적화를 위한 효율적인 기술 Rating: 0 out of 5 stars0 ratings감마 보정: 컴퓨터 비전의 시각적 선명도 향상: 감마 보정 기술 Rating: 0 out of 5 stars0 ratings번들 조정: 정확한 재구성을 위한 시각적 데이터 최적화 Rating: 0 out of 5 stars0 ratings수중 컴퓨터 비전: 파도 밑에서 컴퓨터 비전의 깊이 탐구 Rating: 0 out of 5 stars0 ratings아핀 변환: 시각적 관점 잠금 해제: 컴퓨터 비전의 아핀 변환 탐색 Rating: 0 out of 5 stars0 ratings컴퓨터 시각 인식: 컴퓨터 비전의 깊이 탐구 Rating: 0 out of 5 stars0 ratings컬러 매칭 기능: 컴퓨터 비전의 스펙트럼 감도 이해 Rating: 0 out of 5 stars0 ratings호모그래피: 호모그래피: 컴퓨터 비전의 변화 Rating: 0 out of 5 stars0 ratings인페인팅: 컴퓨터 비전의 격차 해소 Rating: 0 out of 5 stars0 ratings시각적 인식: 컴퓨터 시각적 처리에 대한 통찰력 Rating: 0 out of 5 stars0 ratings레티넥스: 레티넥스 를 통해 컴퓨팅 비전의 비밀을 밝히다 Rating: 0 out of 5 stars0 ratings적응형 필터: 적응 필터링을 통해 컴퓨터 비전 향상 Rating: 0 out of 5 stars0 ratings소음 감소: 선명도 향상, 컴퓨터 비전의 노이즈 감소를 위한 고급 기술 Rating: 0 out of 5 stars0 ratings색 공간: 컴퓨터 비전의 스펙트럼 탐색 Rating: 0 out of 5 stars0 ratings허프 변환: 컴퓨터 비전에서 Hough 변환의 마법 공개 Rating: 0 out of 5 stars0 ratings지향성 그라디언트 히스토그램: 시각적 영역 공개: 컴퓨터 비전에서 지향성 그라데이션 히스토그램 탐색 Rating: 0 out of 5 stars0 ratings톤 매핑: 톤 매핑: 컴퓨터 비전의 관점 밝히기 Rating: 0 out of 5 stars0 ratings컬러 모델: 컴퓨터 비전의 스펙트럼 이해: 색상 모델 탐색 Rating: 0 out of 5 stars0 ratings색상 관리 시스템: 디지털 환경에서 시각적 인식 최적화 Rating: 0 out of 5 stars0 ratings색상 매핑: 컴퓨터 비전의 시각적 인식 및 분석 탐구 Rating: 0 out of 5 stars0 ratings공동 사진 전문가 그룹: JPEG 표준으로 시각적 데이터의 힘 활용 Rating: 0 out of 5 stars0 ratings필터 뱅크: 컴퓨터 비전의 필터 뱅크 기술에 대한 통찰력 Rating: 0 out of 5 stars0 ratings직접 선형 변환: 컴퓨터 비전의 실제 응용 및 기술 Rating: 0 out of 5 stars0 ratings이방성 확산: 이방성 확산을 통한 이미지 분석 향상 Rating: 0 out of 5 stars0 ratings얼룩 감지: 시각적 데이터의 패턴 공개 Rating: 0 out of 5 stars0 ratings
Related ebooks
자동 이미지 주석: 자동 태깅을 통한 시각적 이해 향상 Rating: 0 out of 5 stars0 ratings이미지 검색: 시각적 데이터의 힘 활용 Rating: 0 out of 5 stars0 ratings기하학적 특징 학습: 기하학적 특징 학습을 통해 시각적 통찰력 확보 Rating: 0 out of 5 stars0 ratings자동 타겟 인식: 표적 인식을 위한 컴퓨터 비전 기술의 발전 Rating: 0 out of 5 stars0 ratings머신비전: 컴퓨터 비전의 세계에 대한 통찰력 Rating: 0 out of 5 stars0 ratings객체 감지: 발전, 응용, 알고리즘 Rating: 0 out of 5 stars0 ratings수중 컴퓨터 비전: 파도 밑에서 컴퓨터 비전의 깊이 탐구 Rating: 0 out of 5 stars0 ratings컴퓨터 시각 인식: 컴퓨터 비전의 깊이 탐구 Rating: 0 out of 5 stars0 ratings스마트 카메라: 컴퓨터 비전을 통한 시각적 인식의 혁명 Rating: 0 out of 5 stars0 ratings시각 센서 네트워크: 컴퓨터 비전에서 시각 센서 네트워크의 힘 탐구 Rating: 0 out of 5 stars0 ratings광학 점자 인식: 시각적 지능을 통한 접근성 강화 Rating: 0 out of 5 stars0 ratings상황별 이미지 분류: 효과적인 분류를 위한 시각적 데이터 이해 Rating: 0 out of 5 stars0 ratings아펠리온 소프트웨어: 비전 잠금 해제: 아펠리온 소프트웨어의 깊이 탐구 Rating: 0 out of 5 stars0 ratings단어 가방 모델: 단어 가방 로 시각적 지능 잠금 해제 Rating: 0 out of 5 stars0 ratings역방향 이미지 검색: 시각적 인식의 비밀을 풀다 Rating: 0 out of 5 stars0 ratings인페인팅: 컴퓨터 비전의 격차 해소 Rating: 0 out of 5 stars0 ratings입자 필터: 컴퓨터 비전의 입자 필터 탐색 Rating: 0 out of 5 stars0 ratings지향성 그라디언트 히스토그램: 시각적 영역 공개: 컴퓨터 비전에서 지향성 그라데이션 히스토그램 탐색 Rating: 0 out of 5 stars0 ratings관절 신체 자세 추정: 컴퓨터 비전에서 인간의 움직임 잠금 해제 Rating: 0 out of 5 stars0 ratings보행자 감지: '컴퓨터 비전' 영역에서 '보행자 감지'라는 제목의 도서에 대한 부제를 제안해 주세요. 추천 자막에는 ':'이 포함되어서는 안 됩니다. Rating: 0 out of 5 stars0 ratings시각적 단어: 이미지 이해의 힘 활용 Rating: 0 out of 5 stars0 ratings합성 보기: 컴퓨터 비전의 관점 탐구 Rating: 0 out of 5 stars0 ratings문서 모자이크: 문서 모자이크를 통해 시각적 통찰력 확보 Rating: 0 out of 5 stars0 ratings볼륨 렌더링: 컴퓨터 비전의 시각적 현실감 탐구 Rating: 0 out of 5 stars0 ratings힐베르트 투영 정리: 컴퓨터 비전의 차원 잠금 해제 Rating: 0 out of 5 stars0 ratings지능형 문자 인식: 컴퓨터 비전의 기계 인식 향상 Rating: 0 out of 5 stars0 ratings광학 문자 인식: 광학 문자 인식을 위한 컴퓨터 비전의 힘 활용 Rating: 0 out of 5 stars0 ratings은선 제거: 보이지 않는 것의 공개: 컴퓨터 비전의 비밀 Rating: 0 out of 5 stars0 ratings컴퓨터 비전 기본 매트릭스: '컴퓨터 비전' 영역에 '컴퓨터 비전 기본 매트릭스'라는 제목의 책 부제를 제안해주세요. 추천 자막에는 ':'이 포함되어서는 안 됩니다. Rating: 0 out of 5 stars0 ratings고유면: 고유면 를 통한 시각적 인식의 깊이 탐색 Rating: 0 out of 5 stars0 ratings
Reviews for 콘텐츠 기반 이미지 검색
0 ratings0 reviews
Book preview
콘텐츠 기반 이미지 검색 - Fouad Sabry
1장: 콘텐츠 기반 이미지 검색
컴퓨터 비전 기술을 사용하여 콘텐츠 기반 이미지 검색(QBIC(Query by Image Content) 및 CBVIR(Content-based Visual Information Retrieval)이라고도 함)은 대규모 데이터베이스에서 디지털 이미지를 검색하는 문제를 해결합니다(CBIR 분야에 대한 과학적 개요는 이 설문 조사 참조). 기존의 개념 기반 접근 방식은 콘텐츠 기반 이미지 검색에 의해 도전을 받습니다(개념 기반 이미지 인덱싱 참조).
이미지를 검색할 때 콘텐츠 기반
은 검색이 키워드, 태그 또는 설명과 같은 메타데이터가 아니라 이미지 자체를 기반으로 한다는 것을 의미합니다. 색상, 모양, 질감 및 이미지에서 추정할 수 있는 기타 정보는 모두 이러한 의미에서 콘텐츠
의 예입니다. 메타데이터 전용 검색은 주석 품질과 완전성에 크게 의존하기 때문에 CBIR이 매우 바람직합니다.
사람이 키워드 또는 메타데이터가 있는 대규모 데이터베이스에서 이미지에 수동으로 주석을 다는 것은 여전히 원하는 모든 키워드를 캡처하지 못할 수 있는 시간 소모적인 프로세스일 수 있습니다. 키워드 이미지 검색의 효과를 측정하는 방법은 명확하게 정의되지 않았습니다. 마찬가지로 CBIR 시스템은 성공을 정의하려고 할 때 어려움에 직면합니다.
일본 전기 기술 연구소의 엔지니어인 Toshikazu Kato는 1992년에 콘텐츠 기반 이미지 검색
이라는 용어를 만들어 그 안의 색상과 모양을 분석하여 데이터베이스에서 이미지를 자동으로 검색할 수 있는 시스템에 대한 자신의 작업을 설명한 것으로 알려져 있습니다.
IBM의 QBIC은 최초로 상용화된 CBIR 시스템(Query By Image Content)이었습니다.
메타데이터 기반 시스템에는 고유한 한계가 있고 효율적인 이미지 검색이 다양한 용도로 사용될 수 있기 때문에 CBIR에 대한 관심이 높아졌습니다. 기존 기술을 사용하면 이미지에 대한 텍스트 정보를 간단하게 검색할 수 있지만 이 방법을 사용하려면 사람이 데이터베이스의 각 이미지를 수동으로 설명해야 합니다. 매우 큰 데이터베이스 또는 자동으로 생성된 이미지(예: 감시 카메라의 이미지)의 경우 이는 비실용적일 수 있습니다. 여러 동의어로 설명된 이미지도 눈에 띄지 않을 수 있습니다. 고양이
를 동물
의 하위 클래스로 취급하는 의미 체계 이미지 분류 시스템은 잘못된 분류 문제에 영향을 받지 않지만, 사용자가 고양이일 수 있지만 대신 동물로 레이블이 지정된 이미지를 찾는 데 더 많은 노력을 기울이게 만듭니다. 수많은 이미지 분류 표준이 있지만 모두 크기 조정 및 오분류 문제로 어려움을 겪고 있습니다.
CBIR 시스템의 확산에도 불구하고 픽셀 콘텐츠를 기반으로 이미지를 검색하는 문제는 2006년까지만 해도 만족스럽게 해결되지 않았습니다.
다양한 CBIR 구현 및 쿼리 방법은 다양한 사용자 쿼리 형식을 사용합니다.
이 쿼리 방법을 QBE 또는 Query By Example
이라고 합니다.
시스템을 학습하는 데 사용할 수 있는 이미지의 예는 다음과 같습니다.
사용자가 제공하거나 임의로 선택한 기존 이미지가 사용됩니다.
사용자는 원하는 이미지를 낙서한 스케치를 만들며, 이는 광범위한 색상 스트로크 또는 몇 가지 기본 모양에서만 유사할 수 있습니다.
이 쿼리 방법은 텍스트만 사용하여 시각적 콘텐츠를 설명하려고 할 때 발생할 수 있는 문제를 제거합니다.
에이브러햄 링컨 이미지 찾기
와 같은 사용자 생성 쿼리는 의미 체계 검색의 기초 역할을 합니다. 컴퓨터는 이러한 종류의 구조화되지 않은 작업에 큰 어려움을 겪습니다. 링컨이 항상 카메라를 바라보거나 같은 포즈를 취하는 것은 아닐 수 있습니다. 결과적으로 질감, 색상 및 모양은 CBIR 시스템에서 자주 사용됩니다. 조건을 더 쉽게 입력할 수 있는 인터페이스가 이러한 기능과 함께 사용되거나 기능(예: 얼굴, 지문 또는 모양 일치)과 일치하도록 이미 학습된 데이터베이스가 사용됩니다. 그러나 추상적인 개념을 인식하기 위해 이미지 검색에는 일반적으로 사람의 입력이 필요합니다.
다양한 CBIR 검색 기술을 다양한 사용자 및 의도와 결합하는 것은 어려울 수 있습니다. 사용자의 의도를 추론하는 능력은 CBIR의 성공에 매우 중요합니다.
CBIR에서 기계 학습 및 반복 방법의 사용이 증가하고 있습니다.
앞서 언급한 방법 외에도 다중 모드 쿼리,