大規模ボキャブラリーと高速空間マッチングによるオブジェクト検索

本論文では、大規模なオブジェクト検索システムを提示します。ユーザーはクエリ画像の領域を選択することでクエリオブジェクトを提供し、システムは同じオブジェクトを含む画像の順位付けされたリストを大規模なコーパスから返します。私たちは、クエリとしてオックスフォードのランドマークを使用して、写真共有サイトFlickr 3から収集した100万枚以上の画像のデータセットで、システムのスケーラビリティとパフォーマンスを示します。画像特徴のボキャブラリーを構築することは、データセットのサイズにより、主要な時間とパフォーマンスのボトルネックとなります。この問題に対処するために、ボキャブラリー構築のためのさまざまなスケーラブルな手法を比較し、従来の最先端を超えることを示すランダム化木に基づく新しい量子化手法を導入します。私たちの実験は、量子化が検索品質に大きな影響を与えることを示しています。クエリ性能をさらに向上させるために、私たちはBag-of-Wordsモデルからの結果を再ランク付けするための効率的な空間検証ステージを追加し、これが常に検索品質を向上させることを示しますが、視覚的ボキャブラリーが大きい場合はその改善幅が小さくなります。この研究は、はるかに大きな「ウェブスケール」の画像コーパスに向けた有望な一歩であると考えています。