文献

J-GLOBAL ID：202202229031758576   整理番号：22A0775165

深い探索と救助アルゴリズムを用いた効率的なコンテンツベース画像検索【JST・京大機械翻訳】

Efficient content-based image retrieval using deep search and rescue algorithm

著者 (2件)： Keisham Nepoleon (Department of Computer Science & Engineering, NIT Nagaland, Chumukeidma, Dimapur, Nagaland, India) ,  Neelima Arambam (Department of Computer Science & Engineering, NIT Nagaland, Chumukeidma, Dimapur, Nagaland, India)
資料名： Soft Computing  (Soft Computing)
巻： 26  号： 4  ページ： 1597-1616  発行年： 2022年 
JST資料番号： W1043A  ISSN： 1432-7643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 最近,コンテンツベース画像検索(CBIR)システムはインターネット上のマルチメディアコンテンツの成長により研究分野において非常に挑戦的なようである。毎日10億の画像をインターネット上にアップロードした。検索エンジンに関する関連画像の探索は,研究コミュニティにとって非常に挑戦的なようである。CBIRシステムは,特徴ベクトルの形で特徴付けられる高レベル画像視覚として,この探索をより容易にした。本研究では,深い探索とRescue(SAR)アルゴリズムベースのCBIRを,関連画像の効果的検索のために提示した。提案した深層ニューラルネットワークSAR(DNN-SAR)に含まれるステップは,前処理,多重特徴抽出,特徴融合,クラスタリングおよび分類である。最初に,高速平均ピアグループ(FAPG)フィルタを用いて,前処理段階における雑音を除去した。次に,色,形状およびテクスチャのような複数の特徴を抽出し,特徴ベクトルを計算した。これら3つの特徴すべてを平均および加重平均技術を用いて単一特徴に融合した。次に,融合特徴を適応Sunflow最適化(SFO)アルゴリズムを用いてクラスタ化した。最後に,関連画像をDNN-SAR最適化アルゴリズムを用いて検索した。提案した作業をPYTHONプラットフォームに実装し,4つの異なるタイプの画像データベース,すなわち,Corel1K,1.5K,5K,およびCaltech-256で試験した。このように,シミュレーション結果は,提案したDNN-SAR技術が精度と再現に関してCBIR性能を改善したことを証明した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  雑音 ,  視覚 ,  シミュレーション ,  ベクトル ,  特徴抽出 ,  クラスタ化 ,  *画像 ,  多重化 ,  インターネット ,  *画像検索 ,  検索エンジン ,  コンテンツ
準シソーラス用語： *コンテンツベース画像検索 ,  マルチメディアコンテンツ ,  特徴ベクトル ,  アップロード , 【Automatic Indexing@JST】

著者キーワード (6件)： コンテンツベース画像検索(CBIR) ,  クエリー画像 ,  多重特徴抽出 ,  クラスタリング ,  マッチングプロセス ,  分類

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

タイトルに関連する用語 (4件)： 探索 ,  救助 ,  アルゴリズム ,  コンテンツベース画像検索