व्यक्तिगत फ़ोटो की पाठ्य प्रश्नावली, जो बड़े पैमाने पर वेब डेटा द्वारा सुगम बनाई गई

डिजिटल कैमरों और मोबाइल फोन कैमरों की त्वरित लोकप्रियता ने उपभोक्ताओं द्वारा व्यक्तिगत फोटो संग्रह की विस्फोटक वृद्धि का कारण बना। इस पत्र में, हम लाखों वेब छवियों और उनके संबंधित समृद्ध पाठ्य वर्णनों (कैप्शन, श्रेणियाँ, आदि) का लाभ उठाकर एक वास्तविक समय की पाठ्य प्रश्न आधारित व्यक्तिगत फोटो पुनर्प्राप्ति प्रणाली प्रस्तुत करते हैं। जब एक उपयोगकर्ता एक पाठ्य प्रश्न प्रदान करता है (जैसे, "पानी"), हमारी प्रणाली उल्टे फ़ाइल का उपयोग करती है ताकि वह अपने आप सकारात्मक वेब छवियों को खोज सके जो पाठ्य प्रश्न "पानी" से संबंधित हैं, और नकारात्मक वेब छवियों को जो पाठ्य प्रश्न से अप्रासंगिक हैं। इन स्वचालित रूप से पुनर्प्राप्त प्रासंगिक और अप्रासंगिक वेब छवियों के आधार पर, हम तीन सरल लेकिन प्रभावी वर्गीकरण विधियाँ, k-निकटतम पड़ोसी (kNN), निर्णय स्टंप और रैखिक SVM का उपयोग करते हैं, ताकि व्यक्तिगत फ़ोटो को रैंक किया जा सके। फ़ोटो पुनर्प्राप्ति प्रदर्शन को और बेहतर बनाने के लिए, हम क्रॉस-डोमेन लर्निंग के माध्यम से दो प्रासंगिकता फीडबैक विधियाँ प्रस्तावित करते हैं, जो दोनों वेब छवियों और व्यक्तिगत छवियों का प्रभावी ढंग से उपयोग करती हैं। विशेष रूप से, हमारे प्रस्तावित क्रॉस-डोमेन लर्निंग विधियाँ उपयोगकर्ता से केवल एक बहुत सीमित मात्रा में लेबल की गई व्यक्तिगत फ़ोटोज़ का लाभ उठाते हुए वास्तविक समय में मजबूत वर्गीकर्ता सीख सकती हैं। हम एक incremental cross-domain learning method भी प्रस्तावित करते हैं ताकि बड़े उपभोक्ता फोटो डेटाबेस पर प्रासंगिकता फीडबैक प्रक्रिया को महत्वपूर्ण रूप से तेज किया जा सके। दो उपभोक्ता फोटो डेटा सेट पर विस्तृत प्रयोग हमारे प्रणाली की प्रभावशीलता और दक्षता को प्रदर्शित करते हैं, जो किसी पूर्वनिर्धारित शब्दकोश द्वारा भी स्वाभाविक रूप से सीमित नहीं है।