Combining Local and Global Image Features for Object Class Recognition

Lisin, Dimitri; Mattar, Marwan; Blaschko, Matthew B.; Learned-Miller, Erik; Benfield, Mark C.

doi:10.1109/cvpr.2005.433

Cited by 112 publications

(69 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…В данной работе ВП сроится не по всему изображению в целом, а по особым точкам на изображении (далее -ОТ) [2,4]. ОТ на изображении считается точка (пиксель) с характерной окрестностью -т.е.…”

Section: признаковое описание изображенийunclassified

A System of the Automatic Categorisation of Graphic Contents

Puchylо¹,

Shchehrykovich²

2018

PMSE

View full text Add to dashboard Cite

Низкое качество категоризации изображений в существующих поисковых системах изображений (далее -ПСИ), таких как «Freepik.com» и «Shutterstock.com», является причиной выдачи нерелевантного контента пользователям. Проблемами при разработке системы категоризации изображений являются существование множества изображений, объектов и их категорий, охватить которые обучающему алгоритму невозможно; существование неоднозначных по смыслу изображений; а также наличие проблемы «Семантического разрыва» -разницы в представлении изображения для машины и человека. Целью данной работы является разработка автоматической системы категоризации графического контента, применимой к реальным изображениям, для улучшения количественной и качественной составляющей массивов категоризированных изображений, присутствующих в открытом доступе.

show abstract

Section: признаковое описание изображенийunclassified

A System of the Automatic Categorisation of Graphic Contents

Puchylо¹,

Shchehrykovich²

2018

PMSE

View full text Add to dashboard Cite

show abstract

“…Global features consist of the statistics extracted from a whole image or a bounding box, such as contour, shape, texture, colour or a combination of them [23]. They generally represent an image with a single high-dimensional feature vector and, thus, can be easily applied with any standard classification methods [24]. Moreover, thanks to the compact representation and low computational cost, they have been employed by some semantic mapping systems in real time.…”

Section: Global Featuresmentioning

confidence: 99%

Extracting Semantic Information from Visual Data: A Survey

Liu

et al. 2016

Robotics

View full text Add to dashboard Cite

Abstract:The traditional environment maps built by mobile robots include both metric ones and topological ones. These maps are navigation-oriented and not adequate for service robots to interact with or serve human users who normally rely on the conceptual knowledge or semantic contents of the environment. Therefore, the construction of semantic maps becomes necessary for building an effective human-robot interface for service robots. This paper reviews recent research and development in the field of visual-based semantic mapping. The main focus is placed on how to extract semantic information from visual data in terms of feature extraction, object/place recognition and semantic representation methods.

show abstract

“…Due to the different characteristics of local and global features, it is beneficial for some applications to combine both approaches. Lisin et al (Lisin et al, 2005) show two methods where combining local and global features improve the accuracy of a classification task. More than another hybrid-like approach has been found in the detection of regional features, in which regions are defined as arbitrary subsets of the image.…”

Section: Regional Symmetry Featuresmentioning

confidence: 99%