• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Information Processing & Management >Re-ranking algorithm using post-retrieval clustering for content-based image retrieval
【24h】

Re-ranking algorithm using post-retrieval clustering for content-based image retrieval

机译：基于内容检索的基于检索后聚类的重新排序算法

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

In this paper, we propose a re-ranking algorithm using post-retrieval clustering for content-based image retrieval (CBIR). In conventional CBIR systems, it is often observed that images visually dissimilar to a query image are ranked high in retrieval results. To remedy this problem, we utilize the similarity relationship of the retrieved results via post-retrieval clustering. In the first step of our method, images are retrieved using visual features such as color histogram. Next, the retrieved images are analyzed using hierarchical agglomerative clustering methods (HACM) and the rank of the results is adjusted according to the distance of a cluster from a query. In addition, we analyze the effects of clustering methods, query-cluster similarity functions, and weighting factors in the proposed method. We conducted a number of experiments using several clustering methods and cluster parameters. Experimental results show that the proposed method achieves an improvement of retrieval effectiveness of over 10% on average in the average normalized modified retrieval rank (ANMRR) measure. (C) 2003 Elsevier Ltd. All rights reserved.
机译：在本文中，我们提出了一种基于检索后聚类的基于内容的图像检索（CBIR）的重新排序算法。在常规的CBIR系统中，经常观察到在视觉上与查询图像不同的图像在检索结果中排名较高。为了解决这个问题，我们通过检索后聚类利用检索结果的相似关系。在我们方法的第一步中，使用视觉特征（例如颜色直方图）检索图像。接下来，使用层次聚类聚类方法（HACM）对检索到的图像进行分析，并根据聚类与查询的距离来调整结果的等级。此外，我们分析了聚类方法，查询聚类相似性函数和加权因子在所提方法中的影响。我们使用几种聚类方法和聚类参数进行了许多实验。实验结果表明，该方法在平均归一化修正检索等级（ANMRR）测度中平均可提高10％以上的检索效率。 （C）2003 Elsevier Ltd.保留所有权利。

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