비측정 거리 기반 검색 시 이미지 데이터베이스 축소

외관 기반 비전에서 핵심 문제 중 하나는 레이블이 붙은 이미지 집합을 사용하여 새로운 이미지를 분류하는 방법을 이해하는 것입니다. 인간의 성능을 모델링할 수 있는 분류 시스템이나 강력한 이미지 일치 방법을 사용하는 시스템은 종종 비측정적인 유사성 판단을 활용하지만 삼각 불평등이 지켜지지 않을 경우 대부분의 기존 패턴 인식 기술은 적용되지 않습니다. 우리는 대표 기반(또는 최근접 이웃) 방법이 비측정 유사성 함수의 넓은 클래스에서 자연스럽게 적용될 수 있음을 지적합니다. 그러나 핵심 문제는 클래스를 정확하게 특성화하는 좋은 대표를 선택하기 위한 방법을 찾는 것입니다. 우리는 클래스 대표를 찾기 위한 기존의 축소 기술이 비측정 데이터 공간을 처리하는 데 적합하지 않다는 점을 지적합니다. 그런 다음 우리는 이 문제를 해결하기 위한 기술 개발에 집중하며 두 가지 점을 강조합니다: 첫째, 우리는 두 이미지 간의 거리가 비측정 공간에서 하나의 이미지가 다른 이미지를 얼마나 잘 대표할 수 있는지를 측정하는 좋은 척도가 아님을 보여줍니다. 대신, 우리는 각 이미지가 이전에 본 다른 이미지까지의 거리 간의 벡터 상관관계를 사용합니다. 둘째, 우리는 비측정 공간에서 경계 점이 유클리드 공간에 비해 클래스의 구조를 포착하는 데 덜 중요함을 보여줍니다. 우리는 비정형 포인트가 클래스를 설명하는 데 더 중요할 수 있다고 제안합니다. 우리는 합성 이미지와 실제 이미지를 모두 사용하여 성능을 개선함으로써 경험에서 일반화하는 학습의 중요성을 보여줍니다.