Informační systém Masarykovy univerzity 

Distinct nearest neighbors queries for similarity search in very large multimedia databases

česky | in English

SKOPAL, Tomáš, Vlastislav DOHNAL, Michal BATKO a Pavel ZEZULA. Distinct nearest neighbors queries for similarity search in very large multimedia databases. In 11th ACM International Workshop on Web Information and Data Management (WIDM 2009). New York, USA: ACM, 2009. s. 11-14, 4 s. ISBN 978-1-60558-808-7.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Distinct nearest neighbors queries for similarity search in very large multimedia databases
Název česky Dotazovaní na rozlišitelné nejlibližší sousedy pro podobnostní hledání ve velmi velkých multimediálních databázích
Autoři SKOPAL, Tomáš (203 Česká republika), Vlastislav DOHNAL (203 Česká republika, garant), Michal BATKO (203 Česká republika) a Pavel ZEZULA (203 Česká republika).
Vydání New York, USA, 11th ACM International Workshop on Web Information and Data Management (WIDM 2009), od s. 11-14, 4 s. 2009.
Nakladatel ACM
Další údaje
Originální jazyk angličtina
Typ výsledku Článek ve sborníku
Obor Informatika
Stát vydavatele Spojené státy americké
Utajení není předmětem státního či obchodního tajemství
WWW URL
Kód RIV RIV/00216224:14330/09:00029810
Organizační jednotka Fakulta informatiky
ISBN 978-1-60558-808-7
Klíčová slova anglicky similarity search;kNN query;content-based retrieval
Štítky DISA
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: doc. RNDr. Vlastislav Dohnal, Ph.D., učo 2952. Změněno: 30. 3. 2010 09:07.
Anotace
As the volume of multimedia data available on internet is tremendously increasing, the content-based similarity search becomes a popular approach to multimedia retrieval. The most popular retrieval concept is the k nearest neighbor (kNN) search. For a long time, the kNN queries provided an effective retrieval in multimedia databases. However, as today's multimedia databases available on the web grow to massive volumes, the classic kNN query quickly loses its descriptive power. In this paper, we introduce a new similarity query type, the k distinct nearest neighbors (kDNN), which aims to generalize the classic kNN query to be more robust with respect to the database size. In addition to retrieving just objects similar to the query example, the kDNN further ensures the objects within the result have to be distinct enough, i.e. excluding near duplicates.
Anotace česky
S tím, jak se značně rozšiřuje množství multimediálních dat dostupných prostřednictvím internetu, roste při jejich vyhledávání popularita podobnostního přístupu. Nejběžnějším konceptem je hledání k nejbližších sousedů (kNN), který se v multimediálních databázích efektivně používá již dlouhou dobu. Bohužel s tím jak objem multimediálních dat masivně narostl, tento přístup poskytuje stále méně užitečných informací. V tomto článku prezentujeme nový podobnostní dotaz - dotaz na k rozlišitelných nejbližších sousedů (kDNN) - který si klade za cíl zobecnit klasický kNN dotaz tak, aby byl robustnější s ohledem na množství prohledávaných dat. Oproti kNN dotazu, který vrací objekty podobné zadanému příkladu, kDNN dotaz navíc zajišťuje, že budou odpovědi dostatečně rozdílné, tj. že odpověď neobsahuje blízké duplikáty.
Návaznosti
GA201/09/0683, projekt VaVNázev: Vyhledávání v rozsáhlých multimediálních databázích
Investor: Grantová agentura ČR, Standardní projekty
GP201/07/P240, projekt VaVNázev: Distribuované indexační struktury pro podobnostní hledání
Investor: Grantová agentura ČR, Postdoktorské projekty
GP201/08/P507, projekt VaVNázev: Komplexní podobnostní dotazy nad rozsáhlými objemy dat
Investor: Grantová agentura ČR, Postdoktorské projekty
VytisknoutZobrazeno: 15. 12. 2017 16:45

Relevantní odkazy 


Nahoru | Aktuální datum a čas: 15. 12. 2017 16:45, 50. (sudý) 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