Show simple item record

Hachage de descripteurs locaux pour la recherche d'images similaires

hal.structure.identifierCentre de Recherche en Informatique de Paris 5 [CRIP5 - EA 2517]
dc.contributor.authorAuclair, Adrien*
hal.structure.identifierCEntre de REcherches en MAthématiques de la DEcision [CEREMADE]
dc.contributor.authorCohen, Laurent D.
HAL ID: 738939		*
hal.structure.identifierCentre de Recherche en Informatique de Paris 5 [CRIP5 - EA 2517]
dc.contributor.authorVincent, Nicole*
dc.date.accessioned2012-06-11T14:34:46Z
dc.date.available2012-06-11T14:34:46Z
dc.date.issued2009
dc.identifier.urihttps://basepub.dauphine.fr/handle/123456789/9425
dc.description.abstractfrNous 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.
dc.language.isofren
dc.subjectlocal descriptors
dc.subjectindexation
dc.subjectNear duplicate images retrieval,
dc.subjectRecherche d’images similaires,
dc.subjectdescripteurs locaux
dc.subjectalgorithmes
dc.subjectimages
dc.subject.ddc621.3en
dc.titleHachage de descripteurs locaux pour la recherche d'images similaires
dc.typeCommunication / Conférence
dc.contributor.editoruniversityotherCentre de Recherche en Informatique de Paris 5 (CRIP5) http://www.math-info.univ-paris5.fr/crip5/ Université Paris V - Paris Descartes;France
dc.description.abstractenIn 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.
dc.identifier.urlsitehttps://hal.inria.fr/inria-00404613/
dc.description.sponsorshipprivateouien
dc.subject.ddclabelTraitement du signalen
dc.relation.conftitleORASIS 2009- Congrès des jeunes chercheurs en vision par ordinateur
dc.relation.confcityTregastel
dc.relation.confcountryFRANCE
dc.description.ssrncandidatenon
dc.description.halcandidateoui
dc.description.readershiprecherche
dc.description.audienceNational
dc.date.updated2018-01-19T10:00:16Z
hal.author.functionaut
hal.author.functionaut
hal.author.functionaut


Files in this item

Thumbnail
Name:
31.pdf
Size:
1.109Mb
Format:
PDF
View/Open

This item appears in the following Collection(s)

Show simple item record