• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Intelligent Systems >Look-a-Like: A Fast Content-Based Image Retrieval Approach Using a Hierarchically Nested Dynamically Evolving Image Clouds and Recursive Local Data Density
【24h】

Look-a-Like: A Fast Content-Based Image Retrieval Approach Using a Hierarchically Nested Dynamically Evolving Image Clouds and Recursive Local Data Density

机译：外观类似：使用分层嵌套的动态演化图像云和递归本地数据密度的基于内容的快速图像检索方法

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

The need to find related images from big data streams is shared by many professionals, such as architects, engineers, designers, journalist, and ordinary people. Users need to quickly find the relevant images from data streams generated from a variety of domains. The challenges in image retrieval are widely recognized, and the research aiming to address them led to the area of content-based image retrieval becoming a "hot" area. In this paper, we propose a novel computationally efficient approach, which provides a high visual quality result based on the use of local recursive density estimation between a given query image of interest and data clouds/clusters which have hierarchical dynamically nested evolving structure. The proposed approach makes use of a combination of multiple features. The results on a data set of 65,000 images organized in two layers of a hierarchy demonstrate its computational efficiency. Moreover, the proposed Look-a-like approach is self-evolving and updating adding new images by crawling and from the queries made.
机译：从大数据流中查找相关图像的需求由许多专业人员（例如建筑师，工程师，设计师，新闻工作者和普通人）共同承担。用户需要从各种域生成的数据流中快速找到相关图像。图像检索中的挑战已得到广泛认可，旨在解决这些挑战的研究导致基于内容的图像检索领域成为“热门”领域。在本文中，我们提出了一种新颖的计算有效方法，该方法基于对给定查询感兴趣的图像和具有分层动态嵌套演化结构的数据云/集群之间的局部递归密度估计，从而提供了较高的视觉质量结果。所提出的方法利用了多个特征的组合。在一个层次结构的两层中组织的65,000张图像的数据集上的结果证明了其计算效率。此外，所提出的“类似外观”方法是自我发展的，并通过爬取和从查询中进行更新来添加新图像。

著录项

  • 来源
    《International Journal of Intelligent Systems》 |2017年第1期|82-103|共22页
  • 作者

    Plamen Angelov; Pouria Sadeghi-Tehran;

  • 作者单位

    School of Computing and Communications, Data Science Group, Lancaster University, Lancaster, LA1 4WA UK;

    School of Computing and Communications, Data Science Group, Lancaster University, Lancaster, LA1 4WA UK;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

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