$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

RBF 신경망을 이용한 내용 기반 영상 검색
Content-Based Image Retrieval using RBF Neural Network 원문보기

정보과학회논문지. Journal of KIISE. 소프트웨어 및 응용, v.29 no.3, 2002년, pp.145 - 155  

이형구 (한국전자통신연구원 영상정보처리연구팀 연구원) ,  유석인 (서울대학교 컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

내용 기반 영상 검색에서 대부분의 기존 방법들은 서로 다른 특징들 사이의 선형 관계를 가정하고 또 사용자가 직접 각 특징의 가중치를 설정하도록 한다 허나 특징들 사이의 관계가 선형적으로 가정된 하에서는 고차원의 개념과 인간의 지각 주관성을 충분히 표현할 수 없는 단점이 있다. 본 논문에서는 신경망에 기반한 영상 검색 모델이 제안된다. 이는 RBFN을 이용한 내용 기반 영상 검색 기법과 인간컴퓨터 상호작용의 접근 방법을 기반으로 구축되었다. RBFN을 이용하여 특징들 사이의 비선형적 관계를 추출해낼 수 있고 사용자가 처음에 질의 영상을 선택하고 관련성 피드백을 통하여 점차적으로 목표 영상을 찾아나가도록 함으로써 영상의 비교를 더 정확하게 할 수 있다. 실험은 145개의 클래스로 구분되며 1,015개의 영상을 포함하는 데이타베이스를 사용하여 재생과 정도를 계산하였다. 실험 결과는 제안된 방법의 재생과 정도가 각각 93.45%과 80.61%로서, 기존의 선형 결합 방법이나 순위 기반 방법 그리고 역전파 알고리즘에 기반한 방법보다 더 뛰어난 검색 성능을 지님을 보여준다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In content-based image retrieval (CBIR), most conventional approaches assume a linear relationship between different features and require users themselves to assign the appropriate weights to each feature. However, the linear relationship assumed between the features is too restricted to accurately ...

주제어

#내용기반 영상검색   #선형 결합 방법   #순위 기반 방법   #관련성 피드백  

참고문헌 (20)

  1. Y. Rui, T. S. Huang, and S. Chang, 'Image Retrieval: Current Techniques, Promising Directions, and Open Issues', Journal of Visual Communication and Image Representation, Vol.10, pp. 39-62, 1999 

    상세보기 crossref

  2. R. Jain, 'Workshop report: NSF workshop on visual information management systems', Proc. SPIE Conf. Storage and Retrieval for Image and Video Databases I, pp, 198-218, San Jose, CA, 1993 

    crossref

  3. T. P. Minka and R. W. Picarc, 'Interactive Learning using a 'Society of Models', Proc. IEEE Conf. Comput. Vision Pattern Recognition, pp. 447-452, San Francisco, CA, 1996 

    crossref

  4. W. Y. Ma and B. S. Manjunath, 'Texture Features and Learning Similarity', Proc. IEEE Conf. Comput. Vision Pattern Recognition, pp. 425-430, San Francisco, CA, 1996 

    crossref

  5. J. R. Smith and S. F. Chang, 'Visually Serarching the Web for Content', IEEE Multimedia Mag., Vol.4, pp. 12-20, Summer 1997 

    상세보기 crossref

  6. S. Haykin, Neural Networks, 2nd ed., Prentice Hall, New Jersey, 1999 

  7. M. Wood, N. Campbell, and B. Thomas, 'Iterative Refinement by Relevance Feedback in ContentBased Digital Image Retrieval', Proc. ACM Multimedia 98, pp. 13-20, Bristol, UK, September 1998 

    crossref

  8. R. M. Rao and A. S. Bopardikar, Wavelet Transforms, Addison-Wesley, Massachusetts, 1998 

  9. B. M. Mehtre, M. Kankanhalli, and W. F. Lee, 'Shape Measures for Content Based Image Retrieval: A Comparison', Information Processing & Management, Vol.33, No.3, pp. 319-337, 1997 

    상세보기 crossref

  10. A. Pentland, R. Picard, and S. Sclaroff, 'Photobook: Tools for Content-Based Manipulation of Image Databases', Proc. SPIE Conf. Storage and Retrieval of Image and Video Databases II, pp 34-47, San Jose, CA, 1994 

    crossref

  11. M. Flickner, H. Sawhney, W. Niblack, J. Ashley, Q. Huang, and B. Dom et al., 'Query by Image ad Video Content: The QBIC System', IEEE Computer, Vol.28, No.9, pp. 23-32, 1995 

    상세보기 crossref

  12. J. R. Bach, C. Fuller, A. Gupta, A. Hampapur, B. Horowitz, R. Jain, and C. F. Shu, 'The Virage Image Search Engine: An Open Framework for Image Management', Proc. SPIE Conf. Storage and Retrieval for Still Image and Video Databases IV, pp. 76-87, San Jose, CA, February 1996 

    crossref

  13. W. Y. Ma and B. S. Manjunath, 'NETRA: A Toolbox for Navigating Large Image Databases', Proc. IEEE Int. Conf. Image Processing, pp. 568-571, Washington, DC, 1997 

    상세보기 crossref

  14. G. Sheikholeslami, S. Chatterjee, and A. Zhang, 'NeuroMerge: An Approach for Combining Heterogeneous Features in Content-based Image Retrieval Systems', Proc. 4th Inc. Workshop on Multi-Media Database Management Systems (IW-MMDBMS'98), pp. 106-113. Dayton, Ohio, August 1998 

    crossref

  15. T. P. Minka, 'An Image Database Browser that Learns from User Interaction', Technical Report 365, MIT Media Laboratory Perceptual Computing, 1996 

  16. F. Liu and R. Picard, 'Periodicity, Directionality, and Randomness: Wold Features for Image Modeling and Retrieval', Technical Report 320, MIT Media Laboratory Perceptual Computing, 1996 

  17. H. J. Zhang and D. Zhong, 'A Scheme for Visual Feature Based Image Retrieval', Proc. SPIE Conf, Storage and Retrieval for Image and Video Database III, pp. 36-46, San Jose, CA, 1995 

  18. J. Dowe, 'Content-Based Retrieval in Multimedia Imaging', Proc. SPIE Conf, Storage and Retrieval for Image and Video Databases I, pp. 164-167, San Jose, CA, 1993 

  19. J. Park and I. W. Sandberg, 'Universal Approximation using Radial-Basis-Function Networks', Neural Computation, Vol.3, No.2, pp. 246-257, 1991 

    상세보기 crossref

  20. S. Chen, C.F.N.Cowan and P.M. Grant, 'Orthogonal Least Squares Learning Algorithm for Radial Basis Function Networks', IEEE Tr. on Neural Networks, Vol.2, No.2, pp. 302-309, March 1991 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로