
Hachage de descripteurs locaux pour la recherche d'images similaires
Auclair, Adrien; Cohen, Laurent D.; Vincent, Nicole (2009), Hachage de descripteurs locaux pour la recherche d'images similaires, ORASIS 2009- Congrès des jeunes chercheurs en vision par ordinateur, Tregastel, FRANCE
Voir/Ouvrir
Type
Communication / ConférenceLien vers un document non conservé dans cette base
https://hal.inria.fr/inria-00404613/Date
2009Titre du colloque
ORASIS 2009- Congrès des jeunes chercheurs en vision par ordinateurVille du colloque
TregastelPays du colloque
FRANCEMétadonnées
Afficher la notice complèteAuteur(s)
Auclair, AdrienCentre de Recherche en Informatique de Paris 5 [CRIP5 - EA 2517]
Cohen, Laurent D.
CEntre de REcherches en MAthématiques de la DEcision [CEREMADE]
Vincent, Nicole
Centre de Recherche en Informatique de Paris 5 [CRIP5 - EA 2517]
Résumé (FR)
Nous nous intéressons au problème de la recherched’images similaires dans une large base de données. Lesalgorithmes les plus performants utilisent des descripteurslocaux d’images. Le problème devient alors d’utiliser unalgorithme de recherche des plus proches voisins qui soitrapide. Dans cet article, nous proposons un nouvel algorithmebasé sur une fonction de hachage originale. Notrealgorithme sélectionne pour chaque point ses dimensionsdistinctives et s’en sert pour créer une clé de hachage.Nous comparons ses performances à plusieurs méthodes del’état de l’art et montrons qu’il offre plusieurs avantages.Il est rapide, consomme peu de mémoire et ne demandepas d’apprentissage. Pour valider nos résultats, nous appliquonscet algorithme à une recherche d’images similairesdans une base de plus de 500.000 images. Enfin,nous montrons que notre algorithme est intégrable à uneméthode de recherche par Bag-Of-Features.Résumé (EN)
In this article, we study the problem of near-duplicateimages retrieval within large scale databases. Using localimage descriptors, this problem is linked to searching nearestneighbors of points in a high dimensional space. Forthis task, we propose a novel hash-based algorithm thatdetects distinctive dimensions for each point. These dimensionsare used to compute hash keys. The obtained performancesare compared with several state of the art algorithms.Our algorithm is fast, efficient in term of memoryand does not require any learning stage. We successfulyapplied it on a database of 500.000 images. Eventually, weshow that our algorithm can efficiently be used in a Bag-Of-Features framework.Mots-clés
local descriptors; indexation; Near duplicate images retrieval,; Recherche d’images similaires,; descripteurs locaux; algorithmes; imagesPublications associées
Affichage des éléments liés par titre et auteur.
-
Auclair, Adrien; Cohen, Laurent D.; Vincent, Nicole (2008) Communication / Conférence
-
Auclair, Adrien; Vincent, Nicole; Cohen, Laurent D. (2009) Communication / Conférence
-
Auclair, Adrien; Cohen, Laurent D.; Vincent, Nicole (2007) Communication / Conférence
-
Vincent, Nicole; Cohen, Laurent D.; Auclair, Adrien (2008) Communication / Conférence
-
Cohen, Emmanuel; Deffieux, Thomas; Demené, Charlie; Cohen, Laurent D.; Tanter, Mickael (2017) Communication / Conférence