Informační systém Masarykovy univerzity 

Efficient Image Search with Neural Net Features

česky | in English

NOVÁK, David, Jan ČECH a Pavel ZEZULA. Efficient Image Search with Neural Net Features. In Similarity Search and Applications: 8th International Conference, SISAP 2015, Glasgow, UK, October 12-14, 2015, Proceedings. New York: Springer International Publishing, 2015. s. 237-243, 7 s. ISBN 978-3-319-25086-1. doi:10.1007/978-3-319-25087-8_22.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Efficient Image Search with Neural Net Features
Autoři NOVÁK, David (203 Česká republika, garant, domácí), Jan ČECH (203 Česká republika) a Pavel ZEZULA (203 Česká republika, domácí).
Vydání New York, Similarity Search and Applications: 8th International Conference, SISAP 2015, Glasgow, UK, October 12-14, 2015, Proceedings, od s. 237-243, 7 s. 2015.
Nakladatel Springer International Publishing
Další údaje
Originální jazyk angličtina
Typ výsledku Článek ve sborníku
Obor Informatika
Stát vydavatele Spojené státy americké
Utajení není předmětem státního či obchodního tajemství
Forma vydání tištěná verze "print"
WWW DOI link
Impakt faktor Impact factor: 0.402 v roce 2005
Kód RIV RIV/00216224:14330/15:00081692
Organizační jednotka Fakulta informatiky
ISBN 978-3-319-25086-1
ISSN 0302-9743
Doi http://dx.doi.org/10.1007/978-3-319-25087-8_22
Klíčová slova anglicky metric indexing; deep convolutional neural network; contentbased image retrieval
Štítky content-based image retrieval, DISA, Metric Space
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Pavel Šmerk, Ph.D., učo 3880. Změněno: 28. 4. 2016 15:35.
Anotace
We present an efficiency evaluation of similarity search techniques applied on visual features from deep neural networks. Our test collection consists of 20 million 4096-dimensional descriptors (320GB of data). We test approximate k-NN search using several techniques, specifically FLANN library (a popular in-memory implementation of k-d tree forest), M-Index (that uses recursive Voronoi partitioning of a metric space), and PPP-Codes, which work with memory codes of metric objects and use disk storage for candidate refinement. Our evaluation shows that as long as the data fit in main memory, the FLANN and the M-Index have practically the same ratio between precision and response time. The PPP-Codes identify candidate sets ten times smaller then the other techniques and the response times are around 500 ms for the whole 20M dataset stored on the disk. The visual search with this index is available as an online demo application. The collection of 20M descriptors is provided as a public dataset to academic community.
Návaznosti
GAP103/10/0886, projekt VaVNázev: Vizuální vyhledávání obrázků na Webu (Akronym: VisualWeb)
Investor: Grantová agentura ČR, Standardní projekty
VytisknoutZobrazeno: 24. 10. 2017 09:45

Relevantní odkazy 


Nahoru | Aktuální datum a čas: 24. 10. 2017 09:45, 43. (lichý) týden

Kontakty: istech(zavináč/atsign)fi(tečka/dot)muni(tečka/dot)cz, studijní odd., správci práv, is-technici, e-technici, IT podpora | Použití cookies | Více o Informačním systému