Vyhledávání známých scén pomocí zpětné vazby a samoorganizujících se map

Abstract

Vyhledávání v multimediální kolekci bývá často realizováno pomocí textových dotazů a následného seřazení databáze vzhledem k relevanci k poskytnutému dotazu. Nicméně, pokud uživatel hledá pouze jednu konkrétní scénu nebo obrázek, tak musí často prohle- dávat sekvenčně velkou spoustu výsledků a ani tak nemá garantováno, že hledaný objekt nalezne v rozumném čase. Tato práce se zabývá metodami využití zpětné vazby pro efek- tivnější dohledávání známých obrázků v rozsáhlé milionové kolekci obrázků. Práce srov- nává několik přístupů odhadu relevance a výběru displejů formou simulací zpětné vazby. Experimentálně je prokázáno, že studované modely mohou být významným přínosem pro moderní vyhledávače. 1

Multimedia searching is usually realized by means of text search, where a large dataset is sorted with respect to a relevance to a given text query. However, if users search for just one scene or image, a sequential browsing of a larger result set is often necessary, without a guarantee that the object is found in a reasonable time. This work focuses on methods relying on relevance feedback for more effective searching in a large collection of one million images. Several relevance update and display selection approaches are compared using simulations of relevance feedback. Our experiments reveal that the investigated models are a benefit to modern multimedia search engines. 1