基于 NOHIS 树的基于内容的图像检索系统
提出了一种基于内容的图像检索方法,通过构建视觉层次结构来捕捉视觉和语义的相似性,将其融合到相似度搜索的距离计算度量中,实验证明该方法在图像检索方面具有优越性能。
Aug, 2023
内容检索 (CBIR) 系统在计算机视觉领域成为关键工具,通过基于视觉内容而非仅依赖元数据进行图像搜索。本综述论文全面介绍了 CBIR,并强调了其在目标检测方面的作用,以及基于内容特征识别和检索视觉相似图像的潜力。文章探讨了 CBIR 系统面临的挑战,包括语义差距和可扩展性,并提出了潜在的解决方案。重点阐述了语义差距,即低级特征和高级语义概念之间的差异,并探索了弥合该差距的方法。值得注意的解决方案之一是集成相关反馈 (RF),使用户能够对检索到的图像提供反馈并迭代地改进搜索结果。综述涵盖了长期和短期学习方法,利用 RF 提高 CBIR 的准确性和相关性。这些方法侧重于权重优化和利用主动学习算法选择样本进行分类器训练。此外,本论文还研究了机器学习技术以及利用深度学习和卷积神经网络提高 CBIR 性能的方法。该综述论文在推进 CBIR 和 RF 技术的理解方面发挥着重要作用。它指导研究人员和从业者理解现有的方法、挑战和潜在的解决方案,促进知识传播和确定研究空白。通过讨论未来的研究方向,为增强 CBIR 在各个应用领域的检索准确性、可用性和效果奠定了基础。
Dec, 2023
本文提出一种基于内容的珠宝饰品检索方法,采用 HSV 颜色空间中的局部区域直方图。使用五个局部区域,我们的新颖珠宝分类模块从查询图像中提取特定的特征向量,然后将该模块应用于珠宝饰品数据库以提取特征向量。最后,通过匹配数据库和查询特征向量之间的相似度分数,从数据库中提取珠宝饰品。实验结果表明,所提出的方法优于基准方法,可以有效地检索所需的珠宝产品。
May, 2023
本篇论文介绍了新型的图像检索方法:内容检索和基于标记的检索,它们都存在一些限制。作者提出了一种方法,可以对深度学习产生的标记进行语义细化和扩展,解决了标记的嘈杂问题和限制,使用整数线性规划来解决该问题。实验表明,该方法可以改善现有的可视化标记工具的质量。
Sep, 2019
基于 RCT-Plus 变换的内容基于图像检索(CBIR)框架通过提取图像中更丰富的方向信息的新形象表示,改进了纹理图像的图像检索过程;通过使用适应于 RCT-Plus 变换统计建模的相似度度量对数据库中的图像进行分类,然后对查询进行分类以选择最佳纹理类别,之后对保留类别的图像进行排序以选择最佳图像,从而实现了与以前的 CBIR 方案相比显著的检索率提高。
Mar, 2024
我们在医学图像检索的上下文中,通过使用 TotalSegmentator 数据集建立了一个基准,以评估和比较预训练模型的嵌入效果,并采用文本匹配启发的后期交互再排序方法,实现了对各种解剖区域的 1.0 检索召回率。
May, 2024
通过提出的两种基于内容的组织学图像检索(CBHIR)方法,在乳腺和皮肤癌数据集上集成了自定义的孪生网络作为特征提取器,实现了稳健准确的补丁级检索,并在顶部 K 正确率上评估,以解决组织学图像中的问题。
Jan, 2024
该论文提出了一种利用联邦学习解决获取多样化医学数据集的挑战的联邦基于内容的医学图像检索平台(FedCBMIR),可加速乳腺癌诊断,并在 BreaKHis 和 Camelyon17(CAM17)进行了两个实验的评估,证明其快速准确,可在全球范围内帮助乳腺癌诊断。
May, 2023
本文提出了一种从自下而上的视觉语言表示和显式的细粒度对应查询 - 目标构建两个角度对 CIR 任务进行研究的新方法 BOSS,该方法结合了混合反事实训练策略,可在多个连续步骤中保留和转换基于语言语义条件的视觉表示,实现有效的目标图像搜索。
Jul, 2022