サーフのメトリック

Question

サーフィンの使用可能なメトリックを探しています。ある画像がスケールで別のイメージと一致するように、0から1の場合は、0が類似性がなく、1は同じ画像を意味します。

SURFは次のデータを提供します。

• クエリ画像の関心ポイント（およびその記述子）（Qを設定）
• ターゲット画像の関心ポイント（およびその記述子）（セットT）
• 最近隣接するアルゴリズムの使用ペアは、上から2つのセットから作成できます

私はこれまで何かを試していましたが、何もうまくいくようには見えませんでした：

1. 異なるセットのサイズを使用したメトリック：d = n / min（size（q）、size（t））ここで、nは一致する目的ポイントの数です。これにより、かなり類似した画像がかなり低い評価を提供します。たとえば、Eg 0.32は、70の関心ポイントがQで約600、Tで200から一致していても、70が本当に良い結果だと思います。私はいくつかの対数スケーリングを使用することを考えていたので、実際には低い数値だけが低い結果を得ることができますが、正しい方程式を見つけることはできません。と d = log(9*d0+1) 私は0.59の結果を得ますが、これはかなり良いですが、それでも、サーフィンの力を破壊します。

2. ペア内の距離を使用したメトリック：私はKのベストマッチを見つけて距離を追加するようなことをしました。 2つの画像が同様の距離が最小です。これの問題は、遠方が計算される利息点記述子要素の最大値と最小値が何であるかわからないため、結果を比較的見つけることができることです（最良の多くの入力から）。私が言ったように、メトリックを正確に0から1の間に配置したいと思います。これは、サーフィンを他の画像メトリックと比較するために必要です。

これら2つの最大の問題は、他を除外することです。一方は、一致の数を考慮していません。他方は一致間の距離です。道に迷いました。

編集: ：最初の場合、log（x*10^k）/kの方程式は3または4がほとんどの時間を与えます。まれな場合、それがなければ小さな結果がありません。

Answer 1

両方のメトリックの加重合計であるメトリックを簡単に作成できます。機械学習技術を使用して、適切な重みを学びます。

あなたが説明していることは、非常に豊かで多様な分野であるコンテンツベースの画像検索の分野に密接に関連しています。たくさんのヒットを得るグーグル。 Surfは優れた汎用低Midレベル機能検出器ですが、十分ではありません。サーフとシフト（サーフが導き出されたもの）は、重複したまたはほぼ複製の検出に優れていますが、知覚的な類似性を捉えるのにそれほど優れていません。

最高のパフォーマンスのCBIRシステムは、通常、いくつかのトレーニングセットを介して最適に組み合わされた機能のアンサンブルを利用します。試してみるべきいくつかの興味深い検出器が含まれています 要旨 （人工環境と自然環境の検出に最適な高速で安価な検出器）および オブジェクトバンク （100個のオブジェクト検出器出力で作られたヒストグラムベースの検出器自体）。