という修士論文を読んでみた。（）で囲まれた部分は私が思ったこと。
-
- -
- 「色情報を用いた類似画像検索」
- セグメンテーション手法は４種類
- 画像の分散により手法を使い分ける
- RGB→Lab（人間の視覚特性に基づいた表現）
- Webブラウザで使えるように実装
- NAIST
- 40枚ほど
- 内容検索
- 類似検索
- 今までは「キーワード検索」
- 「画像に付けるキーワードを自動生成」
- 「文字型」の画像検索に変わりない
- （「赤くて、棒が上から刺さっている植物」）
- （変換）
- （「りんご」で自動的に検索してくれる）
- （っていう「文字→文字→検索」という手もある）
- （デジカメにGPS機能が付けば、場所情報を使える）
- （植物園で撮ったものだから「花火」ではなく「菊」だな）
- 人手によるキーワード付け→主観的
- 画像は言語より曖昧（人間が作った物ではないから）
- 作ったのは、「文字ではなく画像を使った類似画像検索」
- ＜４つの領域分割＞
- 横分割法（単純に横切り）（風景などは横長）
- 立て分割法（縦切り）（氷柱（つらら）は縦長）
- 円状分割法（同心円切り）（オレンジの中心＝円の中心）
- 放射状分割法（中心から放射状に切る）（遠近感のある画像）
- ＜分割された領域ごとに「色彩特徴量」を求める＞
- Lab値の平均
- 最頻度
- （どちらかを用いる）
- ＜類似度を求める（特徴量の比較）（２種類）＞
- １つ目：普通に３次元（Lab)のユークリッド距離
- （横切り10分割なら、対応する領域ごとに比較）
- ２つ目：「ユーザ指定の画像中心」をガウス分布で重みづけ
- （１つ目のように距離を求めた後で、物体中心でガウシアン）
- （意味）
- （左にミカン、右にリンゴがある画像で、）
- （ミカンの中心を指定すれば、）
- （ミカンのまわりだけ見て類似画像を検索する？）
- ＜実装したGUI>
- （シンプルだ。。。）
- ＜領域分割の自動選択＞
- クエリー画像から、10分割なら10の平均（または最頻値）が求まる
- それの平均をAveとする
- 10の平均とAveで分散が最大になる分割を選択する
- （この決め方の意味は？）
- 例えば、横に同じ色がつながる画像なら、横分割が選択される
- （ex.白い砂浜と、青い空）
- （なるほど、横切りなら分散が大きくなり、縦切りなら小さくなる）
- ＜実際に動かしてみる（CGI)＞
- テスト方法：クエリー画像と似ている画像（出力してほしい画像）
- （を、画像セットから数枚選んでおく
- （そして何枚目に現れるかで良さを測る
- 全探索より、もちろん早く見つかる(1/3の手間）
- 「物体中心に重み付け」の手法では背景の無視が可能
- ＜結論＞
- 画像に対し、保持する特徴量データが少なく、蓄えやすい
- ＜参考文献＞
- （日本語の論文ばかりなのが気になった）
- （外国賛美ではダメだけれども）
- ＜私の感想＞
- シンプルな発想で、とてもわかりやすい
- CGIで実装したのはとても良い経験
- 私も実装を重視しようと思えた
