Verimli Neredeyse Özdeş Erişimi için Ayırıcı Öznitelik Seçimi

Abstract

The creation of distinctive subset of the features 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 features for near-duplicate detection performs better than the ordinary subsets. In this thesis, we propose a novel interest point selection method. Using such a method, the distinctive subset is created with a density map, which is calculated from the features to rank them. We examined some experiments to show the performance of the proposed method. The recall rate of 93.08% is obtained when the precision is 98.54% in average.

Belirgin öznitelik alt kümesini oluşturma, neredeyse özdeş görüntü erişimi 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. Bu tezde belirgin öznitelik seçimi için özgün bir yöntem önerildi. Bu yöntemde belirgin alt küme, öznitelikleri derecelendirmek için yine bu özniteliklerle hesaplanan bir yoğunluk haritasıyla oluşturuldu. Önerilen bu metodun performansını göstermek için bazı testler yapıldı ve ortalamada %93.08'lik geri çağırmaya karşılık %98.54'lük bir kesinlik elde edildi.