Détail de l'autorité
|
MMM 2017, 23rd international conference on Multimedia Modeling 04/01/2017 06/01/2017 Reykjavik Islande Proceedings Springer
nom du congrès :
MMM 2017, 23rd international conference on Multimedia Modeling
début du congrès :
04/01/2017
fin du congrès :
06/01/2017
ville du congrès :
Reykjavik
pays du congrès :
Islande
site des actes du congrès :
|
Documents disponibles (2)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
contenu dans The 23rd international conference on MultiMedia Modeling, MMM 2017 / Laurent Amsaleg (2017)
Titre : Adaptive and optimal combination of local features for image retrieval Type de document : Article/Communication Auteurs : Neelanjan Bhowmik , Auteur ; Valérie Gouet-Brunet
Editeur : Berlin, Heidelberg, Vienne, New York, ... : Springer Année de publication : 2017 Autre Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Collection : Lecture notes in Computer Science, ISSN 0302-9743 Projets : POEME / Da Silva, Jean-Claude Conférence : MMM 2017, 23rd international conference on Multimedia Modeling 04/01/2017 06/01/2017 Reykjavik Islande Proceedings Springer Importance : pp 76 - 88 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] modèle de régression
[Termes IGN] point d'intérêt
[Termes IGN] recherche d'image basée sur le contenuRésumé : (Auteur) With the large number of local feature detectors and descriptors in the literature of Content-Based Image Retrieval (CBIR), in this work we propose a solution to predict the optimal combination of features, for improving image retrieval performances, based on the spatial complementarity of interest point detectors. We review several complementarity criteria of detectors and employ them in a regression based prediction model, designed to select the suitable detectors combination for a dataset. The proposal can improve retrieval performance even more by selecting optimal combination for each image (and not only globally for the dataset), as well as being profitable in the optimal fitting of some parameters. The proposal is appraised on three state-of-the-art datasets to validate its effectiveness and stability. The experimental results highlight the importance of spatial complementarity of the features to improve retrieval, and prove the advantage of using this model to optimally adapt detectors combination and some parameters. Numéro de notice : C2017-021 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1007/978-3-319-51814-5_7 Date de publication en ligne : 01/06/2017 En ligne : https://doi.org/10.1007/978-3-319-51814-5_7 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88988 Documents numériques
peut être téléchargé
Adaptive and optimal combination - preprintAdobe Acrobat PDF
Titre : The 23rd international conference on MultiMedia Modeling, MMM 2017 : Proceedings, part 2 Type de document : Actes de congrès Auteurs : Laurent Amsaleg, Éditeur scientifique ; Gylfi Þór Guomundsson, Éditeur scientifique ; Cathal Gurrin, Éditeur scientifique ; Björn Þór Jónsson, Éditeur scientifique ; Shin’ichi Satoh, Éditeur scientifique Editeur : Berlin, Heidelberg, Vienne, New York, ... : Springer Année de publication : 2017 Autre Editeur : Reykjavik University Collection : Lecture notes in Computer Science, ISSN 0302-9743 num. 10133 Conférence : MMM 2017, 23rd international conference on Multimedia Modeling 04/01/2017 06/01/2017 Reykjavik Islande Proceedings Springer Importance : 502 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-3-319-51813-8 Langues : Anglais (eng) Numéro de notice : 22822 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Actes DOI : 10.1007/978-3-319-51814-5 En ligne : https://link.springer.com/book/10.1007/978-3-319-51814-5 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88987
