Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Moving Object Recognition and Detection Using Background Subtraction Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Region-Based Semantic Image Clustering Using Positive and Negative Examples

verfasst von : Morarjee Kolla, T. Venu Gopal

Erschienen in: ICCCE 2018

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Discovering various interest of users from massive image databases is a strenuous and rapid impel expedition region. Understanding the needs of users and representing them meaningfully is a challenging task. Region-based image retrieval (RBIR) is a method that incorporates the meaningful description of objects and an intuitive specification of spatial relationships. Our proposed model introduces a novel technique of semantic clustering in two stages. Initial semantic clusters are constructed in the first stage from the database log file by focusing on user interested query regions. These clusters are further refined by relevance feedback in the second stage based on probabilistic feature weight using positive and negative examples. Our results show that the proposed system enhances the performance of semantic clusters.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Amended Probabilistic Roadmaps (A-PRM) for Planning the Trajectory of Robotic Surgery
Nächstes Kapitel A Cost Effective Hybrid Circuit Breaker Topology for Moderate Voltage Applications
Literatur
1.
Liu Y, Chen X, Zhang C, Sprague A (2009) Semantic clustering for region-based image retrieval. J. Vis Comun. Image Represent
2.
Chen N, Prasanna V (2012) Semantic image clustering using object relation network. In: Proceedings of the first international conference on computational visual media
3.
Smith JR, Chang SF (1996) Visualseek: a fully automated content-based image query system. In ACMMM
4.
Yang J, Price B, Cohen S, Yang MH (2014) Context driven scene parsing with attention to rare classes. In: CVPR (2014)
5.
Carson C, Tomas M, Belongie S, Hellerstein JM, Malik J (1999) Blobworld: a system for region-based image indexing and retrieval. Inf Syst J 1614(1999):509–516
6.
Jegou H, Perronnin F, Douze M, Sanchez J, Perez P, Schmid C (2012) Aggregating local descriptors into compact codes. In: PAMI
7.
Kherfi ML, Ziou D (2006) Relevance feedback for cbir: a new approach based on probabilistic feature weighting with positive and negative examples. IEEE Trans Image Process 15(4):1017–1030
8.
Philbin J, Chum O, Isard M, Sivic J, Zisserman A (2007) Object retrieval with large vocabularies and fast spatial matching. In: CVPR
9.
Avrithis Y, Kalantidis Y (2012) Approximate gaussian mixtures for large scale vocabularies. In: ECCV
10.
11.
Chum O, Mikulik A, Perdoch M, Matas J (2011) Total recall II: query expansion revisited. In: CVPR
12.
Tolias G, Jegou H (2014) Visual query expansion with or without geometry: refining local descriptors by feature aggregation. Pattern Recognit
13.
Perronnin F, Liu Y, Sanchez J, Poirier H (2010) Large-scale image retrieval with compressed fisher vectors. In: CVPR
14.
Radenovi F, Jegou H, Chum O (2015) Multiple measurements and joint dimensionality reduction for large scale search with short vectors. In: ICMR
15.
Tolias G, Furon T, Jegou H (2014) Orientation covariant aggregation of local descriptors with embeddings. In: ECCV
16.
Morrison D, Marchand Mailet S, Bruno E (2014) Semantic clusters of images using patterns of relevance feedback. Comput Vis Multimed Lab
17.
Gong Z, Hou L, Cheang CW (2005) Web image semantic clustering, Springer, pp 1416–1431
18.
Gunjan VK, Shaik F, Kashyap A, Kumar A (2017) An interactive computer aided system for detection and analysis of pulmonary TB. Helix J 7(5):2129–2132. ISSN 2319-5592
19.
Patino-Escarcina RE, Ferreira Costa JA (2008) The semantic clustering of images and its relation with low level color features. In: IEEE international conference on semantic computing, pp 74–79
20.
Yin X, Li M, Zhang L, Zhang HJ (2003) Semantic image clustering using relevance feedback. In: Proceedings of the international symposium on circuits and systems (ISCAS)
21.
Duan L, Chen Y, Gao W (2003) Learning semantic cluster for image retrieval using association rule hypergraph partitioning. In: Proceedings of the 2003 joint conference of the fourth international conference on information, communications and signal processing and the fourth pacific rim conference on multimedia, pp 1581–1585
22.
Ishikawa Y, Subramanya R, Faloutsos C (1998) Mind reader: querying databases through multiple examples. In: Proceedings of 24th intinternational conference on very large data bases. New York, pp 433–438
23.
Vasconcelos N, Lippman A (1999) Learning from user feedback in image retrieval systems. Neur Inf Process Syst
24.
Kolla M, Gopal TV (2015) Semantic image clustering using region based on positive and negative examples. In: ICICC. pp 261–264 Feb 2015. ISBN 978-93-82163-59-6
25.
Carson C, Belongie S, Greenspan H, Malik J (2002) Blobworld: image segmentation using expectation—maximization and its application to image querying. IEEE Trans Pattern Anal Mach Intell 24(8):1026–1038CrossRef
26.
Dempster AP, Laird NM, Rubin DB (1977) Maximum likelihood from incomplete data via the EM algorithm. J Roy Statist Soc B 39(l):l–38
Metadaten
Titel
Region-Based Semantic Image Clustering Using Positive and Negative Examples
verfasst von
Morarjee Kolla
T. Venu Gopal
Copyright-Jahr
2019
Verlag
Springer Singapore
Buch
ICCCE 2018

Print ISBN: 978-981-13-0211-4

Electronic ISBN: 978-981-13-0212-1

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-981-13-0212-1_75

Neuer Inhalt

    Bildnachweise