MétaCan
Menu
Retour à la cohorte
Enregistrement W2376819454

Image Retrieval Using SalientPoints and Geometric Hashing

2006· article· en· W2376819454 sur OpenAlexvenueno aff
Guoyu Wang

Notice bibliographique

RevueMicrocomputer applications · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Image and Video Retrieval Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArtificial intelligenceGeometric transformationComputer sciencePattern recognition (psychology)Transformation geometryImage retrievalWavelet transformInvariant (physics)Computer visionHash tableTransformation (genetics)Matching (statistics)Content-based image retrievalHash functionSalientWaveletImage (mathematics)Mathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper presents a content-based image retrieval technique based on salientpoints matching and geometric hashing. We extract salient points using wavelet transform. A small region around the salient point is located as an image patch. Then low-level features such as color are extracted to describe each image patch. To provide geometric invariant image matching, we index the image patches into a 2-D hash table by geometric hashing technique. Thus, the matching is invariant to global and local geometric transforms. We performed a series of experiments to confirm the effectiveness of our method. as compared to the global feature approaches. And experimental results indicate satisfactory retrieval in the case of partial matching and geometric transformation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,292
Score d'incertitude au seuil0,716

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,268
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicrocomputer applicationsMême sujetAdvanced Image and Video Retrieval TechniquesTravaux en français237 207