Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Scalable Methods for Content-Based Image Retrieval.
KTH, School of Computer Science and Communication (CSC).
2011 (English)Independent thesis Advanced level (professional degree), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

The largest and most used image search engines on the Internet today use textual information from either context or annotations to index images. Content-based Image Retrieval (CBIR) denotes the research efforts to instead use information contained in the images' themselves for indexing. Though major advances in this field have been made in recent years, there has been little focus on the problems of scaling CBIR methods to a point where they can be used for Internet image search, i.e. for data sets with billions of images.

In this project, three methods with potential for building scalable content-based similarity image search engines were identified and implemented. The implementations' retrieval accuracy was tested and their scalability potential evaluated. It was found that few CBIR methods allow satisfactory scalability and the three selected methods' retrieval performance was fairly poor. The result shows that two simpler methods outperformed a sophisticated spatial method. It was further suggested that one of the simple methods could be used to improve accuracy of text-based image retrieval.

Abstract [sv]

De största och mest använda bildsökmotorerna på Internet idag använder sig av textsträngar från uppmärkning eller omgivande text för att indexera bilder. Inom området innehållsmässig bildsökning (CBIR) försöker man istället nyttja bilders egen data för indexering. Trots att stora framsteg med att utveckla korrektheten hos CBIR-metoder gjorts de senaste åren så förhållandevis lite kraft lagts på att utvärdera dessa metoders skalbarhet vid användning på bilddatabaser av Internets storlek, d.v.s. med flera miljarder bilder.

I det här projektet har tre metoder som skulle kunna vara möjliga som grund för jämförelsebaserade bildsökmotorer med hög skalbarhet identifierat och implementerat. Implementationernas träffsäkerhet testades och deras respektive skalbarhet utvärderades. Det visade sig att få innehållsmässiga bildsökningsmetoder har tillfredställande skalbarhet och att de tre metoder som utvärderades gav mindre tillfredställande resultat. Resultaten i den här rapporten visar att två enklare metoder gav högre korrekthet än en sofistikerad, spatiell metod. Vidare föreslogs det att en av de enkla metoderna kan användas för att öka träffsäkerheten hos textbaserade sökmetoder.

Place, publisher, year, edition, pages
2011.
Series
Trita-CSC-E, ISSN 1653-5715 ; 2011:066
National Category
Computer Science
Identifiers
URN: urn:nbn:se:kth:diva-130674OAI: oai:DiVA.org:kth-130674DiVA: diva2:654121
Educational program
Master of Science in Engineering - Computer Science and Technology
Uppsok
Technology
Supervisors
Examiners
Available from: 2013-10-07 Created: 2013-10-07

Open Access in DiVA

No full text

Other links

http://www.nada.kth.se/utbildning/grukth/exjobb/rapportlistor/2011/rapporter11/broberg_gustav_11066.pdf
By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 48 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf