Efficient Near-duplicate Image Detection with Created Feature Subset

Abstract

The creation of distinctive subset of the interest points for near-duplicate image detection is significant in two terms. The former is that the query time decreases reasonably. The latter is that using the distinctive subset of the interest points for near-duplicate detection performs better than the ordinary subsets. In this paper, we propose a novel interest point selection method. Such a method, the distinctive subset is created with a density map which is calculated from the interest points to rank them. We examined some experiments to show the performance of the proposed method and we get a performance of 95.46% recall while the precision is 96.04%.

Belirgin öznitelik alt kümesini oluşturma, neredeyse özdeş görüntü algılama için iki açıdan önemlidir. Bunlardan ilki sorgu süresi önemli ölçüde azalır. İkincisi ise neredeyse özdeş görüntü algılamada belirgin özniteliklerin alt kümesini kullanmak sıradan alt kümeleri kullanmaktan daha iyi sonuç verir. Biz bu makalede belirgin öznitelik seçimi için özgün bir yöntem önerdik. Bu metotta belirgin alt küme, öznitelikleri derecelendirmek için yine bu özniteliklerle hesaplanan bir yogunluk haritasıyla oluşturuldu. Önerdigimiz bu metodun performansını göstermek için bazı testler yaptık ve %95.46’lık geri çagırmaya karşılık %96.4’lük bir kesinlik elde ettik.