文献

J-GLOBAL ID：201802226674065869   整理番号：18A0725213

SIFTはCNNを満たす: 事例検索の10年間の調査【JST・京大機械翻訳】

SIFT Meets CNN: A Decade Survey of Instance Retrieval

著者 (3件)： Zheng Liang (Centre for AI, University of Technology at Sydney, Ultimo, NSW, Australia) ,  Yang Yi (Centre for AI, University of Technology at Sydney, Ultimo, NSW, Australia) ,  Tian Qi (Department of Computer Science, University of Texas at San Antonio, San Antonio, TX)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 40  号： 5  ページ： 1224-1244  発行年： 2018年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 初期の日に,コンテンツベースの画像検索(CBIR)をグローバルな特徴で研究した。2003年以来,画像変換処理におけるSIFTの利点により,10年以上にわたって局所記述子(de faco SIFT)に基づく画像検索が広く研究されている。最近,畳込みニューラルネットワーク(CNN)に基づく画像表現はコミュニティにおける関心の増大を引き付け,印象的な性能を実証した。本論文では,この時間の急速な進化について,過去10年間にわたる事例検索の包括的な調査を提供した。2つの広いカテゴリ,SIFTベースとCNNベースの方法を提示した。前者については,コードブックサイズに従って,文献を大規模/中規模/小型コードブックを用いて組織化した。後者については,事前訓練または微調整CNNモデルとハイブリッド法を用いて,3つの方法を検討した。最初の2つは画像の単一パスをネットワークに実行するが,最後のカテゴリはパッチベースの特徴抽出方式を採用する。本調査では,現代の事例検索におけるmil石を提示し,異なるカテゴリにおける以前の研究の広い選択をレビューし,SIFTとCNNベースの方法の間の関係に関する洞察を提供した。いくつかのデータセットに関する異なるカテゴリの検索性能を分析して比較した後に,一般的で専門的なインスタンス検索に向けての有望な方向を議論する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： コミュニティ ,  画像 ,  検索効率 ,  ネットワーク ,  特徴抽出 ,  中規模 ,  画像変換 ,  *画像検索 ,  符号表
準シソーラス用語： ハイブリッド法 ,  微調整 ,  画像表現 ,  畳込みニューラルネットワーク ,  コンテンツベース画像検索 ,  *事例検索 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： SIFT ,  CNN ,  事例検索 ,  調査