图像重排序中与查询相关的图像相似性度量

现今的图像搜索引擎主要利用图像周围文本信息为图像排序,根据图像内容重排序可以进一步提高搜索性能。图像相似性的度量对重排序算法的性能至关重要。然而已有的相似性度量没有考虑针对不同的查询,图像的相似性应该不同。提出一种与查询相关的相似性度量方法,将基于全局特征的相似性,基于局部特征的相似性,以及视觉单词同时出现率融合到一个迭代算法中,挖掘出与查询相关的图像信息,计算图像相似性。在Bing图像搜索引擎上的实验结果证明本文提出的相似性度量方法优于基于全局特征,局部特征,或它们线性组合的相似性。

结合语义与视觉信息的长查询图像重排序

长查询已经成为现今图像搜索领域越来越重要的一部分,但是相比于短查询,搜索引擎在处理长查询的图像检索时由于正样本的稀缺,性能不佳.提出一种结合语义与视觉信息的长查询图像重排序方法,该方法同时考虑了图像的标注信息以及视觉特征信息.具体来讲,基于多媒体语料库以及Word Net和维基百科知识资源,进行语义相关性估计,与图像视觉特征分析得到的相关性分数线性加权,完成图像搜索结果的重排序.在Flickr图像搜索数据集上的实验结果表明,本文方法能够有效提高图像搜索结果的重排序性能.

图像多样性重排序技术综述

近年来互联网呈现出了爆炸式的增长,而与日常生活息息相关的图像资源变得更加重要,如何能够准确地获取所需的图像资源是当前多媒体搜索领域需要重点解决的问题。目前的大多工作围绕图像的相关性搜索重排序展开,对多样性搜索重排序的研究较少。相关性重排序是指对于返回结果来说,都是将相关的样本排在结果集的前列,但是很少考虑样本相互之间的联系,而多样性重排序是为了提高返回结果的多样性,也就是覆盖主题的多样性,以降低相关重排序中带来的信息冗余问题。文中对当前常见的几种算法评价并进行比较,并通过不同于文本重排的评价准则对性能进行评价。

搜索引擎技术在图像检索中的应用研究

搜索引擎是在网络上进行信息检索的重要工具,本文从传统文本信息检索着手,阐述了搜索引擎技术在图像检索中的应用,重点描述了图像检索过程中,搜索引擎相关算法的应用,描述了图像重排序的概念和相关方法。