大规模互联网图像检索与模式挖掘

被引：16

作者：

张磊

机构：

[1] 微软亚洲互联网工程院

来源：

中国科学:信息科学 | 2013年 / 43卷 / 12期

关键词：

图像检索; 视觉模式; 模式挖掘; 内容分析; 大数据;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

在互联网时代,爆炸式增长的数字图像不仅给图像检索带来巨大的技术挑战,同时也带来了很多机遇和研究问题的新思路.本文简单回顾了图像检索的三个阶段的研究历史,以及在此过程中数据量的增多给图像检索带来的影响,并对作为关键问题的特征提取方面的研究进行了深入的分析.本文尤其指出视觉模式挖掘是寻找中层特征表示并缩小语义鸿沟的重要研究方向,并根据视觉模式的表征粒度将其分为五种类别分别进行了介绍,从中可以看到大数据对于视觉模式挖掘的重要作用.

引用

页码：1641 / 1653

页数：13

共 9 条

[1]

Image search—from thousands to billions in 20 years[J] . Lei Zhang,Yong Rui.ACM Transactions on Multimedia Computing, Communications, and Applications (TOMCCAP) . 2013 (1s)

[2] Data-driven Visual Similarity for Cross-domain Image Matching [J].

Shrivastava, Abhinav ;

Malisiewicz, Tomasz ;

Gupta, Abhinav ;

Efros, Alexei A. .

ACM TRANSACTIONS ON GRAPHICS, 2011, 30 (06)

[3]

Interactive Image Search by Color Map[J] . Jingdong Wang,Xian-Sheng Hua.ACM Transactions on Intelligent Systems and Technology (TIST) . 2011 (1)

[4]

Image Retrieval: Current Techniques, Promising Directions, and Open Issues[J] . Yong Rui,Thomas S. Huang,Shih-Fu Chang.Journal of Visual Communication and Image Representation . 1999 (1)

[5] Feature detection with automatic scale selection [J].

Lindeberg, T .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 1998, 30 (02) :79-116

[6] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

[7]

NSF workshop on Visual Information Management Systems[J] . Ramesh Jain.ACM SIGMOD Record . 1993 (3)

[8]

VisualSEEk: a fully automated content-based image query system .2 Smith J R,Chang S-F. Proceedings of the fourth ACM international conference on Multimedia . 1997

[9]

http://newsroom.fb.comp/News/562/Introducing-Graph-Search-Beta .

← 1 →