JP5944406B2 - 最近傍を見つけ出すための方法および装置 - Google Patents
最近傍を見つけ出すための方法および装置 Download PDFInfo
- Publication number
- JP5944406B2 JP5944406B2 JP2013543532A JP2013543532A JP5944406B2 JP 5944406 B2 JP5944406 B2 JP 5944406B2 JP 2013543532 A JP2013543532 A JP 2013543532A JP 2013543532 A JP2013543532 A JP 2013543532A JP 5944406 B2 JP5944406 B2 JP 5944406B2
- Authority
- JP
- Japan
- Prior art keywords
- vector
- distance
- group
- specific
- vectors
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 93
- 239000013598 vector Substances 0.000 claims description 317
- 238000012545 processing Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 230000001174 ascending effect Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 239000002420 orchard Substances 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000001712 DNA sequencing Methods 0.000 description 1
- 241000282320 Panthera leo Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
and Anyspace Indexing Algorithms with Applications to Sensor date Mining",
Dept. of Computer Science & Eng., University of California, Riverside, USA,
85-96は、変更されたオーチャードアルゴリズムを提供する。ここで、メモリーへの負荷を軽減するために速度が犠牲となる。メモリーを節約するために速度をどれだけ犠牲にするかは、設計上の選択である。しかしながら、いかなる場合においても、アルゴリズムは、最小限のスペースを要求する。オーチャードアルゴリズムにおいて、データセットにおける各アイテムについて、その近傍(ネイバー)の記憶されたリストが計算される。これは、大きなデータセットのための大量のメモリーを必要とする。変更されたオーチャードアルゴリズムにおいて、互いに近接するアイテムの列は、スペースを節約するために削除される。かくして、探索アルゴリズムは、メモリースペースのために速度を犠牲にする。イエ(Ye)等は、さらに、アルゴリズムを最適化するための動的メモリー割当てを提案する。
(approximately) constant average time", Patten Recognition Letters 4
(1986), 145-157は、ほぼ一定の平均時間計算量において(即ち、データセットサイズとは無関係に)、所定のサンプルの最近傍を見つけ出すためのアルゴリズムに関する。
i. 参照点ベクトルを選択する工程と、
ii. 前記参照点ベクトルと前記データセットの前記ベクトルとの間の距離dを計算する工程と、
iii. 前記データセットの前記ベクトルを、前記参照点ベクトルから同じ距離dgroupを持つベクトルのグループにソートする工程であって、
a. その後、2つよりも多くのベクトルを含む、前記グループの各々を、前記グループの第2ベクトルが前記グループの第1ベクトルまで最小距離を有し、前記グループの次の各ベクトルが前記グループの以前のベクトルまで最小距離を有するように、再編成する、工程と、
iv. 前記特定のベクトルの最適マッチングを、
a. 前記参照点ベクトルと前記特定のベクトルとの間の距離dspecificを計算する工程と、
b. 計算された前記距離dspecificに最も近い距離dを備えたベクトルを持つ1つまたは複数の前記グループを識別する工程と、
c. 前記特定のベクトルに最も近い距離dminimumを持つ1つまたは複数の識別された前記グループの中の1つまたは複数の前記ベクトルを識別する工程と、
d. ゼロよりも大きく、dspecific−dminimumからdspecific+dminimumのインターバルの中の前記参照点ベクトルから、距離dを備えた任意の追加のグループを識別する工程と、
e. 前記インターバルの中のすべてのグループが検討されるまで、工程iv.c.および工程iv.d.を繰り返す工程と、
によって識別する工程と、を備える。
i. 参照点ベクトルを選択する工程と、
ii. 前記参照点ベクトルと前記データセットの前記ベクトルとの間の距離dを計算する工程と、
iii. 前記データセットの前記ベクトルを、前記参照点ベクトルから同じ距離dgroupを持つベクトルのグループにソートする工程であって、
a. その後、2つよりも多くのベクトルを含む、前記グループの各々を、前記グループの第2ベクトルが前記グループの第1ベクトルまで最小距離を有し、前記グループの次の各ベクトルが前記グループの以前のベクトルまで最小距離を有するように、再編成する、工程と、
iv. 前記特定のベクトルの最適マッチングを、
a. 前記参照点ベクトルと前記特定のベクトルとの間の距離dspecificを計算する工程と、
b. 計算された前記距離dspecificに最も近い距離dを備えたベクトルを持つ1つまたは複数の前記グループを識別する工程と、
c. 前記特定のベクトルに最も近い距離dminimumを持つ1つまたは複数の識別された前記グループの中の1つまたは複数の前記ベクトルを識別する工程と、
d. ゼロよりも大きく、dspecific−dminimumからdspecific+dminimumのインターバルの中の前記参照点ベクトルから、距離dを備えた任意の追加のグループを識別する工程と、
e. 前記インターバルの中のすべてのグループが検討されるまで、工程iv.c.および工程iv.d.を繰り返す工程と、
によって識別する工程と、を備えた方法に関する。
i. 参照点ベクトルを選択する工程と、
ii. 前記参照点ベクトルと前記データセットの前記ベクトルとの間の距離dを計算する工程と、
iii. 前記データセットの前記ベクトルを、前記参照点ベクトルから同じ距離dgroupを持つベクトルのグループにソートする工程と、
iv. その後、2つよりも多くのベクトルを含む、前記グループの各々を、前記グループの第2ベクトルが前記グループの第1ベクトルまで最小距離を有し、前記グループの次の各ベクトルが前記グループの以前のベクトルまで最小距離を有するように、再編成する工程と、を備えた方法に関する。
i. 参照点ベクトルを選択する工程と、
ii. 前記参照点ベクトルと前記データセットの前記ベクトルとの間の距離dを計算する工程と、
iii. 前記データセットの前記ベクトルを、前記参照点ベクトルから同じ距離dgroupを持つベクトルのグループにソートする工程と、
iv. その後、2つよりも多くのベクトルを含む、前記グループの各々を、前記グループの第2ベクトルが前記グループの第1ベクトルまで最小距離を有し、前記グループの次の各ベクトルが前記グループの以前のベクトルまで最小距離を有するように、再編成する工程と、を備えた方法に関する。
a. 程度の異なるボケを前記原画像に適用することによって得られた差分を計算することによって、前記原画像から、多数の差分画像を取得する工程と、
b. 前記多数の差分画像において画素幅極値を配置する工程と、
c. 各差分画像において各画素について画素勾配ベクトルを生成する工程と、
d. 請求項1乃至9のいずれか一項に記載の方法を適用して、ベクトルの方位を、各差分画像に関連付けられた実際の最大および最小幅画素のそれぞれに関連付ける工程と、を備えた方法に関する。
i. 参照点ベクトルを選択する工程と、
ii. 前記参照点ベクトルと前記データセットの前記ベクトルとの間の距離dを計算する工程と、
iii. 前記データセットの前記ベクトルを、前記参照点ベクトルから同じ距離dgroupを持つベクトルのグループにソートする工程と、
iv. その後、2つよりも多くのベクトルを含む、前記グループの各々を、前記グループの第2ベクトルが前記グループの第1ベクトルまで最小距離を有し、前記グループの次の各ベクトルが前記グループの以前のベクトルまで最小距離を有するように、再編成する工程と、
v. 前記特定のベクトルの最適マッチングを、
a. 前記参照点ベクトルと前記特定のベクトルとの間の距離dspecificを計算する工程と、
b. 計算された前記距離dspecificに最も近い距離dを備えたベクトルを持つ1つまたは複数の前記グループを識別する工程と、
c. 前記特定のベクトルに最も近い距離dminimumを持つ1つまたは複数の識別された前記グループの中の1つまたは複数の前記ベクトルを識別する工程と、
d. ゼロよりも大きく、dspecific−dminimumからdspecific+dminimumのインターバルの中の前記参照点ベクトルから、距離dを備えた任意の追加のグループを識別する工程と、
e. 前記インターバルの中のすべてのグループが検討されるまで、工程v.c.および工程v.d.を繰り返す工程と、
によって識別する工程と、を備えた方法に関する。
i. 参照点ベクトルを選択する工程と、
ii. 前記参照点ベクトルと前記データセットの前記ベクトルとの間の距離dを計算する工程と、
iii. 前記データセットの前記ベクトルを、前記参照点ベクトルから同じ距離dgroupを持つベクトルのグループにソートする工程と、
iv. その後、2つよりも多くのベクトルを含む、前記グループの各々を、前記グループの第2ベクトルが前記グループの第1ベクトルまで最小距離を有し、前記グループの次の各ベクトルが前記グループの以前のベクトルまで最小距離を有するように、再編成する工程と、
v. 前記特定のベクトルの最適マッチングを、
a. 前記参照点ベクトルと前記特定のベクトルとの間の距離dspecificを計算する工程と、
b. 計算された前記距離dspecificに最も近い距離dを備えたベクトルを持つ1つまたは複数の前記グループを識別する工程と、
c. 前記特定のベクトルに最も近い距離dminimumを持つ1つまたは複数の識別された前記グループの中の1つまたは複数の前記ベクトルを識別する工程と、
d. ゼロよりも大きく、dspecific−dminimumからdspecific+dminimumのインターバルの中の前記参照点ベクトルから、距離dを備えた任意の追加のグループを識別する工程と、
e. 前記インターバルの中のすべてのグループが検討されるまで、工程v.c.および工程v.d.を繰り返す工程と、
によって識別する工程と、を備える方法に関する。
i. 参照点ベクトルを選択する工程と、
ii. 前記参照点ベクトルと前記データセットの前記ベクトルとの間の距離dを計算する工程と、
iii. 前記データセットの前記ベクトルを、前記参照点ベクトルから同じ距離dgroupを持つベクトルのグループにソートする工程と、
iv. その後、2つよりも多くのベクトルを含む、前記グループの各々を、前記グループの第2ベクトルが前記グループの第1ベクトルまで最小距離を有し、前記グループの次の各ベクトルが前記グループの以前のベクトルまで最小距離を有するように、再編成する工程と、を備えた方法に関する。
i. 参照点ベクトルを選択する工程と、
ii. 前記参照点ベクトルと前記データセットの前記ベクトルとの間の距離dを計算する工程と、
iii. 前記データセットの前記ベクトルを、前記参照点ベクトルから同じ距離dgroupを持つベクトルのグループにソートする工程と、
iv. その後、2つよりも多くのベクトルを含む、前記グループの各々を、前記グループの第2ベクトルが前記グループの第1ベクトルまで最小距離を有し、前記グループの次の各ベクトルが前記グループの以前のベクトルまで最小距離を有するように、再編成する工程と、を備えた方法に関する。
v. 前記特定のベクトルの最適マッチングを、
a. 前記参照点ベクトルと前記特定のベクトルとの間の距離dspecificを計算する工程と、
b. 計算された前記距離dspecificに最も近い距離dを備えたベクトルを持つ1つまたは複数の前記グループを識別する工程と、
c. 前記特定のベクトルに最も近い距離dminimumを持つ1つまたは複数の識別された前記グループの中の1つまたは複数の前記ベクトルを識別する工程と、
d. ゼロよりも大きく、dspecific−dminimumからdspecific+dminimumのインターバルの中の前記参照点ベクトルから、距離dを備えた任意の追加のグループを識別する工程と、
e. 前記インターバルの中のすべてのグループが検討されるまで、工程v.c.および工程v.d.を繰り返す工程と、
によって識別する工程と、をさらに備える。
a. 程度の異なるボケを前記原画像に適用することによって得られた差分を計算することによって、前記原画像から、多数の差分画像を取得する工程と、
b. 前記多数の差分画像において画素幅極値を配置する工程と、
c. 各差分画像において各画素について画素勾配ベクトルを生成する工程と、
d. 請求項1乃至9のいずれか一項に記載の方法を適用して、ベクトルの方位を、各差分画像に関連付けられた実際の最大および最小幅画素のそれぞれに関連付ける工程と、を備えた方法に関する。
データ・ベクトル・フィールド
参照点から成るn次元データベクトルを表すデータフィールド。
本明細書中で共通の参照点と呼ばれている、選択された共通の参照データベクトルまでの特定のデータベクトルの計算された距離を表すデータフィールド。これは、随意のフィールドである。これは、メモリーサイズへの要求を軽減するために除去することができる。除去された場合には、オンザフライで必要に応じて距離が計算される。
サイズ/インデックス(sz/ndx)フィールドは、サイズまたはインデックスを表す2つの値のうちの1つを含む。FIFO/メモリー位置が、距離フィールドにて与えられた距離を備えた最初のデータベクトルを含む場合、フィールドは、共通の参照までの同じ距離を持つデータベクトルセットのサイズを表す値を含むか、さもなければ、フィールドは、参照までの同じ距離を備えた連続データベクトルの増大されたインデックスを表す数を含んでいるだろう。
付録
SIFT特徴のような画像特徴は、ベクトルによって表されるかも知れない。これは、以下に示す引用によって本付録の中に例示されている。
以前の工程は、キーポイント位置を特定のスケールにて見つけ出し、それらに方位を割り当てた。これにより、画像位置、スケールおよび回転への不変性を確保する。さて、我々は、イルミネーション、3D視点などの残余の変量に対して記述子はその弁別性が高く且つ部分的に不変であるように、各キーポイントについて記述子ベクトルを算定することを欲する。この工程は、スケールにおいてキーポイントスケールに最も近い画像上で実施される。
もし、ブロック198において、サブ領域内の対象の最後の点が検討されると、ブロック202は、プロセッサー22に対して、角コンポーネントセットおよびこれらの関連するコンポーネント記述子要素を、領域と関連して保存するように指示する。かくして、各全領域について、8セットのコンポーネントサブ領域記述子が、全数で128あり、極値について全領域を表している、ということが分かる。8セットのコンポーネントサブ領域記述子は、画像の1つのスケール不変特徴を表す。・・・
Claims (17)
- 複数のベクトルから成るデータセットの中から特定のベクトルをマッチングするための方法であって、前記ベクトルは、少なくとも1つの画像におけるスケール不変特徴を識別するために、スケール不変特徴を表す、ソフトウェアプログラムを用いてコンピュータが実行する方法において、
i. 選択された参照点ベクトルと前記データセットの前記ベクトルとの間の距離dを計算する工程と、
ii. 前記データセットの前記ベクトルを、前記参照点ベクトルから同じ距離dgroupを持つベクトルのグループにソートする工程と、
iii. その後、2つよりも多くのベクトルを含む、前記グループの各々を、前記グループの第2ベクトルが前記グループの第1ベクトルまで最小距離を有し、前記グループの次の各ベクトルが前記グループの以前のベクトルまで最小距離を有するように、再編成する工程と、
iv. 前記特定のベクトルの最適マッチングを、
a. 前記参照点ベクトルと前記特定のベクトルとの間の距離dspecificを計算する工程と、
b. 計算された前記距離dspecificに最も近い距離dを備えたベクトルを持つ1つまたは複数の前記グループを識別する工程と、
c. 前記特定のベクトルに最も近い距離dminimumを持つ1つまたは複数の識別された前記グループの中の1つまたは複数の前記ベクトルを識別する工程と、
d. ゼロよりも大きく、dspecific−dminimumからdspecific+dminimumのインターバルの中の前記参照点ベクトルから、距離dを備えた任意の追加のグループを識別する工程と、
e. 前記インターバルの中のすべてのグループが検討されるまで、工程iv.c.および工程iv.d.を繰り返す工程と、
によって識別する工程と、を備えた方法。 - 検討されるべき次のグループは、dspecificに最も近い距離dを持つ未検討のグループである、請求項1記載の方法。
- 前記ベクトルは、多次元である、請求項1または2に記載の方法。
- 前記距離d、dgroup、dspecificおよびdminimumは、ユークリッド距離、マハラノビス距離、マンハッタン距離、チェビシェフ距離、およびミンコフスキー距離から成るグループの中から選択される距離として計算される、請求項1乃至3のいずれか一項に記載の方法。
- 前記距離d、dgroup、dspecificおよびdminimumは、ユークリッド距離として計算される、請求項1乃至4のいずれか一項に記載の方法。
- 前記参照点ベクトルは、前記データセットの中から選択される、請求項1乃至5のいずれか一項に記載の方法。
- 前記参照点ベクトルは、前記データセットの中点として選択される、請求項1乃至5のいずれか一項に記載の方法。
- 複数のベクトルから成るデータセットの中から特定のベクトルを次にマッチングするために前記データセットを編成するための方法であって、前記ベクトルは、少なくとも1つの画像におけるスケール不変特徴を次に識別するために、少なくとも1つの画像におけるスケール不変特徴を表す、ソフトウェアプログラムを用いてコンピュータが実行する方法において、
i. 選択された参照点ベクトルと前記データセットの前記ベクトルとの間の距離dを計算する工程と、
ii. 前記データセットの前記ベクトルを、前記参照点ベクトルから同じ距離dgroupを持つベクトルのグループにソートする工程と、
iii. その後、2つよりも多くのベクトルを含む、前記グループの各々を、前記グループの第2ベクトルが前記グループの第1ベクトルまで最小距離を有し、前記グループの次の各ベクトルが前記グループの以前のベクトルまで最小距離を有するように、再編成する工程と、を備えた方法。 - 少なくとも1つの画像におけるスケール不変特徴を識別するために、複数のベクトルから成るデータセットの中から特定のベクトルをマッチングするために使用される、請求項8記載の方法であって、
iv. 前記特定のベクトルの最適マッチングを、
a. 前記参照点ベクトルと前記特定のベクトルとの間の距離dspecificを計算する工程と、
b. 計算された前記距離dspecificに最も近い距離dを備えたベクトルを持つ1つまたは複数の前記グループを識別する工程と、
c. 前記特定のベクトルに最も近い距離dminimumを持つ1つまたは複数の識別された前記グループの中の1つまたは複数の前記ベクトルを識別する工程と、
d. ゼロよりも大きく、dspecific−dminimumからdspecific+dminimumのインターバルの中の前記参照点ベクトルから、距離dを備えた任意の追加のグループを識別する工程と、
e. 前記インターバルの中のすべてのグループが検討されるまで、工程iv.c.および工程iv.d.を繰り返す工程と、
によって識別する工程と、をさらに備えた方法。 - 複数の画素によって画成された原画像において、異なるスケールにわたって安定している画像特徴を識別するための、請求項1乃至9のいずれか一項に記載の方法であって、
a. 程度の異なるボケを前記原画像に適用することによって得られた差分を計算することによって、前記原画像から、多数の差分画像を取得する工程と、
b. 前記多数の差分画像において画素幅極値を配置する工程と、
c. 各差分画像において各画素について画素勾配ベクトルを生成する工程と、
d. 請求項1乃至9のいずれか一項に記載の方法を適用して、ベクトルの方位を、各差分画像に関連付けられた実際の最大および最小幅画素のそれぞれに関連付ける工程と、を備えた方法。 - 複数の画素によって画成された画像におけるスケール不変特徴を識別するための画像処理装置であって、
請求項1乃至10のいずれか一項に記載の方法を実施するように構成されたプロセッサ回路を備えた、画像処理装置。 - 前記画像処理装置は多数のチップを備え、各チップは、請求項1の工程iv.の前記特定のベクトルの前記最適マッチングの識別の一部を実行するように構成されている、請求項11記載の画像処理装置。
- 前記画像処理装置は、GPU、DSP、FPGAおよびASICから成るグループの中から選択された少なくとも1つの要素を備える、請求項11または12に記載の画像処理装置。
- 前記画像処理装置は、前記参照点ベクトルを記憶するための手段、前記データセットの、記憶された前記ベクトル、前記距離dおよびdgroup、および前記特定のベクトルを受け取るための手段を備える、請求項11乃至13のいずれか一項に記載の画像処理装置。
- コンピュータプログラムであって、前記プログラムがコンピュータ上で実行されたときに請求項1乃至10のいずれか一項のすべての工程を実行するためのプログラムコード手段を備えた、コンピュータプログラム。
- 請求項1乃至10のいずれか一項に記載の方法を実行するソフトウェアプログラム。
- 複数の画素によって画成された画像におけるスケール不変特徴を識別するように成された、請求項16記載のソフトウェアプログラム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DKPA201070560 | 2010-12-17 | ||
DKPA201070560A DK177161B1 (en) | 2010-12-17 | 2010-12-17 | Method and device for finding nearest neighbor |
US201161429268P | 2011-01-03 | 2011-01-03 | |
US61/429,268 | 2011-01-03 | ||
PCT/DK2011/050487 WO2012079588A1 (en) | 2010-12-17 | 2011-12-15 | Method and device for finding nearest neighbor |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013546091A JP2013546091A (ja) | 2013-12-26 |
JP5944406B2 true JP5944406B2 (ja) | 2016-07-05 |
Family
ID=45804277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013543532A Active JP5944406B2 (ja) | 2010-12-17 | 2011-12-15 | 最近傍を見つけ出すための方法および装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9177227B2 (ja) |
EP (2) | EP2652642A1 (ja) |
JP (1) | JP5944406B2 (ja) |
CN (1) | CN103403704B (ja) |
CA (1) | CA2819925C (ja) |
DK (1) | DK177161B1 (ja) |
WO (1) | WO2012079588A1 (ja) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015099898A1 (en) * | 2013-12-26 | 2015-07-02 | Intel Corporation | Efficient method and hardware implementation for nearest neighbor search |
US10032244B2 (en) * | 2014-08-21 | 2018-07-24 | Intel Corporation | Method and apparatus for implementing a nearest neighbor search on a graphics processing unit (GPU) |
US9830532B1 (en) * | 2014-08-22 | 2017-11-28 | Matrox Electronic Systems Ltd. | Object detection in images using distance maps |
US9953065B2 (en) | 2015-02-13 | 2018-04-24 | International Business Machines Corporation | Method for processing a database query |
US9754182B2 (en) | 2015-09-02 | 2017-09-05 | Apple Inc. | Detecting keypoints in image data |
US10089353B2 (en) | 2015-10-29 | 2018-10-02 | International Business Machines Corporation | Approximate string matching optimization for a database |
US10311057B2 (en) | 2016-08-08 | 2019-06-04 | International Business Machines Corporation | Attribute value information for a data extent |
US10360240B2 (en) | 2016-08-08 | 2019-07-23 | International Business Machines Corporation | Providing multidimensional attribute value information |
US10846562B2 (en) * | 2018-01-12 | 2020-11-24 | Arizona Board Of Regents On Behalf Of Arizona State University | Systems and methods for image matching |
US10331753B1 (en) * | 2018-04-04 | 2019-06-25 | The Florida International University Board Of Trustees | Efficient progressive continuous k-nearest neighbor query algorithm for moving objects with a tree-like index |
US11989233B2 (en) * | 2019-11-01 | 2024-05-21 | Baidu Usa Llc | Transformation for fast inner product search on graph |
US11771367B1 (en) * | 2019-11-07 | 2023-10-03 | Amazon Technologies, Inc. | Sleep scores |
US11914669B2 (en) | 2019-11-25 | 2024-02-27 | Baidu Usa Llc | Approximate nearest neighbor search for single instruction, multiple thread (SIMT) or single instruction, multiple data (SIMD) type processors |
US11526956B2 (en) * | 2020-02-14 | 2022-12-13 | Accenture Global Solutions Limited | Skill acquisition platform |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100415417B1 (ko) | 1996-01-15 | 2004-04-17 | 지멘스 악티엔게젤샤프트 | 이미지-처리프로세서 |
US5963675A (en) | 1996-04-17 | 1999-10-05 | Sarnoff Corporation | Pipelined pyramid processor for image processing systems |
GB9903697D0 (en) * | 1999-02-19 | 1999-04-14 | Pattern Computing Limited | A computer-based method for matching patterns |
US6711293B1 (en) * | 1999-03-08 | 2004-03-23 | The University Of British Columbia | Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image |
JP2004046612A (ja) * | 2002-07-12 | 2004-02-12 | Techno Network Shikoku Co Ltd | データマッチング方法、データマッチング装置、データマッチングプログラムおよびコンピュータで読み取り可能な記録媒体 |
CN1729481A (zh) | 2002-12-18 | 2006-02-01 | 皇家飞利浦电子股份有限公司 | 借助多分辨率分解处理输入图像的方法 |
JP2004326636A (ja) * | 2003-04-28 | 2004-11-18 | Hitachi Ltd | 近傍事例探索方法及びその実施装置 |
US20050265633A1 (en) | 2004-05-25 | 2005-12-01 | Sarnoff Corporation | Low latency pyramid processor for image processing systems |
JP4556120B2 (ja) * | 2005-01-07 | 2010-10-06 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
US7477794B2 (en) | 2005-06-30 | 2009-01-13 | Microsoft Corporation | Multi-level image stack of filtered images |
JP5155025B2 (ja) * | 2008-06-04 | 2013-02-27 | 株式会社日立製作所 | 類似データ検索システム |
US8233716B2 (en) | 2008-06-27 | 2012-07-31 | Palo Alto Research Center Incorporated | System and method for finding stable keypoints in a picture image using localized scale space properties |
US8150169B2 (en) | 2008-09-16 | 2012-04-03 | Viewdle Inc. | System and method for object clustering and identification in video |
US8441489B2 (en) | 2008-12-31 | 2013-05-14 | Intel Corporation | System and method for SIFT implementation and optimization |
US8478052B1 (en) * | 2009-07-17 | 2013-07-02 | Google Inc. | Image classification |
-
2010
- 2010-12-17 DK DKPA201070560A patent/DK177161B1/en not_active IP Right Cessation
-
2011
- 2011-12-15 CA CA2819925A patent/CA2819925C/en active Active
- 2011-12-15 JP JP2013543532A patent/JP5944406B2/ja active Active
- 2011-12-15 WO PCT/DK2011/050487 patent/WO2012079588A1/en active Application Filing
- 2011-12-15 EP EP11804945.1A patent/EP2652642A1/en not_active Ceased
- 2011-12-15 EP EP17199556.6A patent/EP3382574A1/en not_active Withdrawn
- 2011-12-15 CN CN201180060459.5A patent/CN103403704B/zh active Active
- 2011-12-15 US US13/990,246 patent/US9177227B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP3382574A1 (en) | 2018-10-03 |
CA2819925C (en) | 2018-04-17 |
US9177227B2 (en) | 2015-11-03 |
WO2012079588A1 (en) | 2012-06-21 |
DK177161B1 (en) | 2012-03-12 |
CN103403704B (zh) | 2016-12-28 |
US20130251269A1 (en) | 2013-09-26 |
JP2013546091A (ja) | 2013-12-26 |
CA2819925A1 (en) | 2012-06-21 |
CN103403704A (zh) | 2013-11-20 |
EP2652642A1 (en) | 2013-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5944406B2 (ja) | 最近傍を見つけ出すための方法および装置 | |
JP4556120B2 (ja) | 情報処理装置および方法、並びにプログラム | |
CN113420640B (zh) | 红树林高光谱图像分类方法、装置、电子设备及存储介质 | |
Murty et al. | Nearest neighbour based classifiers | |
Li et al. | Hashing with dual complementary projection learning for fast image retrieval | |
US11995121B2 (en) | Automated image retrieval with image graph | |
CN111753119A (zh) | 一种图像搜索方法、装置、电子设备及存储介质 | |
CN110942473A (zh) | 一种基于特征点网格化匹配的运动目标跟踪检测方法 | |
CN113298146A (zh) | 一种基于特征检测的图像匹配方法、装置、设备及介质 | |
CN111125408A (zh) | 基于特征提取的搜索方法、装置、计算机设备和存储介质 | |
CN110083731B (zh) | 图像检索方法、装置、计算机设备及存储介质 | |
JP2017129990A (ja) | 画像認識装置、画像認識方法、及び画像認識プログラム | |
CN110704667B (zh) | 一种基于语义信息的快速相似图检测方法 | |
Retsinas et al. | Nonlinear manifold embedding on keyword spotting using t-SNE | |
Nickfarjam et al. | Binary image matching using scale invariant feature and hough transforms | |
US9189693B2 (en) | Information processing apparatus and information processing method | |
Aldana-Murillo et al. | Evaluation of local descriptors for vision-based localization of humanoid robots | |
CN111401252A (zh) | 一种基于视觉的图书盘点***的书脊匹配方法和设备 | |
CN107886100B (zh) | 一种基于阶阵列的brief特征描述子 | |
Nayef et al. | Efficient symbol retrieval by building a symbol index from a collection of line drawings | |
JP4556121B2 (ja) | 情報処理装置および方法、並びにプログラム | |
CN115841579A (zh) | 图像识别方法、电子设备以及存储介质 | |
Wada et al. | Fast Keypoint Reduction for Image Retrieval by Accelerated Diverse Density Computation | |
CN114298153A (zh) | 一种数据处理方法、装置及设备 | |
Jiang et al. | Robust Representation Learning for Image Clustering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141127 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20151030 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151104 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20160203 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160214 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20160331 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160503 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160524 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160525 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5944406 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: R3D02 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |