• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2010 IEEE International Symposium on Broadband Multimedia Systems and Broadcasting (BMSB 2010) >Re-ranking image search results by multiscale visual saliency model
【24h】

Re-ranking image search results by multiscale visual saliency model

机译：通过多尺度视觉显着性模型对图像搜索结果重新排序

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The paper focuses on two mechanisms, multiscale relevance and visual saliency, in web image search. First, in most current web image search engines, such as Google Image Search, Yahoo Image Search and so on, people judge the relevance of search results by the thumbnails and then click through the thumbnails to check if the corresponding image is really relevant. Basically the thumbnail and the corresponding image give the multiscale representations of the image. The second is that from visual point of view, it is obvious that salient images would be easier to catch users' eyes and more likely to be clicked than cluttered ones in low-level vision. In this paper, we build a multiscale saliency model and apply it to re-rank the results from web image search engines. Experimental results show that the model can achieve an average precision (AP) [1] of as high as 97%, and it improves the results of Google image search significantly.
机译：本文着重于Web图像搜索中的两种机制：多尺度相关性和视觉显着性。首先，在大多数当前的网络图像搜索引擎中，例如Google Image Search，Yahoo Image Search等，人们通过缩略图来判断搜索结果的相关性，然后单击缩略图以检查相应的图像是否真的相关。基本上，缩略图和相应的图像给出了图像的多尺度表示。第二点是，从视觉的角度来看，显而易见的是，与低视力下的混乱图像相比，显眼图像更容易引起用户的注意，并且更有可能被点击。在本文中，我们建立了一个多尺度显着性模型，并将其用于对Web图像搜索引擎的结果进行重新排名。实验结果表明，该模型可以达到高达97％的平均精度（AP）[1]，并且可以显着改善Google图像搜索的结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号