画像検索

画像検索システムは、大規模なデジタル画像データベースから画像を閲覧、検索、取得するために使用されるコンピュータ システムです。画像検索の従来の一般的な方法のほとんどは、キャプション、キーワード、タイトル、説明などのメタデータを画像に追加して、注釈の単語に基づいて検索を実行するという方法を利用しています。手動での画像注釈付けは時間がかかり、面倒で費用もかかります。この問題を解決するために、自動画像注釈付けに関する研究が大量に行われてきました。さらに、ソーシャルWeb アプリケーションとセマンティック Webの増加により、いくつかの Web ベースの画像注釈付けツールの開発が促進されました。

最初のマイクロコンピュータベースの画像データベース検索システムは、1990年代にMITでBanireddy Prasaad、 Amar Gupta、Hoo-min Toong、Stuart Madnickによって開発されました。^[1]

2008年の調査記事では2007年以降の進展が記録されている。^[2]

画像検索は、画像を見つけるために使用される特殊なデータ検索です。画像を検索するには、ユーザーはキーワード、画像ファイル/リンクなどのクエリ用語を入力するか、画像をクリックすると、システムはクエリに「類似した」画像を返します。検索条件に使用される類似性には、メタタグ、画像内の色の分布、領域/形状の属性などがあります。

• 画像メタ検索- キーワード、テキストなどの関連メタデータに基づいて画像を検索します。
• コンテンツベースの画像検索(CBIR) –コンピュータ ビジョンを画像検索に適用します。CBIR は、テキストの説明の使用を避け、代わりに、ユーザーが指定したクエリ画像またはユーザーが指定した画像の特徴とコンテンツ (テクスチャ、色、形状など) の類似性に基づいて画像を検索することを目的としています。
  • CBIR エンジンのリスト- 色、テクスチャ、形状/オブジェクトなどの画像の視覚コンテンツに基づいて画像を検索するエンジンのリスト。

• 画像コレクション探索- 新しい探索パラダイムの使用に基づいた画像の検索。^[3]

画像検索システム設計の複雑さを判断するには、画像データの範囲と性質を理解することが不可欠です。設計は、ユーザーベースの多様性や検索システムの予想されるユーザー トラフィックなどの要因によっても大きく左右されます。この観点から、検索データは次のカテゴリに分類できます。

• アーカイブ- 通常、特定のトピックに関する構造化または半構造化の同種のデータが大量に含まれています。
• ドメイン固有のコレクション- これは、非常に特定の目的を持つ管理されたユーザーにアクセスを提供する均質なコレクションです。このようなコレクションの例としては、生物医学データベースや衛星画像データベースなどがあります。
• エンタープライズ コレクション- 組織のイントラネット内のユーザーがアクセスできる、さまざまなイメージのコレクション。写真はさまざまな場所に保存されることがあります。
• 個人コレクション- 通常は大部分が同質のコレクションで構成され、一般的にサイズが小さく、主に所有者がアクセスでき、通常はローカル ストレージ メディアに保存されます。
• Web - World Wide Web 画像は、インターネットに接続できるすべての人がアクセスできます。これらの画像コレクションは半構造化されており、均質ではなく、容量が膨大で、通常は大規模なディスク アレイに保存されます。

画像検索システムのパフォーマンスを調査し、改善することを目的とした画像検索システムの評価ワークショップがあります。

• ImageCLEF - テキスト検索方法と純粋な画像検索方法の両方を使用してシステムを評価する Cross Language Evaluation Forum の継続的なトラック。
• 画像およびビデオ ライブラリのコンテンツ ベース アクセス - 1998 年から 2001 年にかけて開催された一連のIEEEワークショップ。

• 画像-Net.org
• VGG イメージ検索エンジン (VISE): 画像を検索クエリとして使用して、大量の画像を視覚的に検索するための無料のオープンソース ソフトウェアです。