Comments 10
спасибо, позновательно
tineye.com не?
Тинай ищет «почти такие же» изображения, то есть масштабированные, в другом качестве, отчасти переделанные.
В статье же описаны методы нахождения похожих изображений. Такой сервис уже есть — gazopa.com.
Однако работает он медленно и применимость у него низкая, так как почти все найденные изображения в очень плохом качестве.
В статье же описаны методы нахождения похожих изображений. Такой сервис уже есть — gazopa.com.
Однако работает он медленно и применимость у него низкая, так как почти все найденные изображения в очень плохом качестве.
что такое QBIC и почему фотографии оттуда ч/б?
Вы бы источник указали откуда взяли метод сравнения изображений на основе гистограмм.
Картинки, формулы и суть метода взяты из книги Л. Шапиро, Дж. Стокман «Компьютерное зрение». По крайней мере в русском издании 2006 года там они присутствуют на стр.299-300.
Да и картинки можно было бы цветные отсканить — в этой же книжке есть цветная вклейка с ними.
Картинки, формулы и суть метода взяты из книги Л. Шапиро, Дж. Стокман «Компьютерное зрение». По крайней мере в русском издании 2006 года там они присутствуют на стр.299-300.
Да и картинки можно было бы цветные отсканить — в этой же книжке есть цветная вклейка с ними.
Вообще такое впечатление, что статья написана на коленке и «абы как». Черно-белые иллюстрации в описании метода сравнения по ЦВЕТНОМУ макету — как-то так…
На мой взгляд, в том то и проблема, где взять образец, чтобы представить его системе для сравнения? Пользователь помнит обычно, нечто типа: сидят три медведя (или два?) в лесу, сидят на бревне, вроде (или просто мимо тусуются?), вроде солнечный день и вообще прикольно смотрится :) Т.е. для того чтобы это юзабельно было, кто-то должен подготовить качественную БД, с объектами и их описанием. Построить дальше алгоритм на основе автокоррелляционной функций не трудно, хотя есть очень много интереса в оптимизации его производительности. Ну, думаю, справятся за 3-5 ближайших лет. Google и пр. уже явно об этом думают.
Ну не знаю, мне кажется что автотегирование изображений (чтобы система сама смогла понять, что на картинке находятся два медведя на бревне) — слишком сложная и непосильная задача на сегодняшний день. Главная проблема заключается в том, что изображения слишком разные и для разных типов изображений эффективны абсолютно разные методы распознавания.
На мой взгляд максимальное что сегодня можно получить — это некоторая авто классификация изображений (чтобы система автоматически отделяла портреты от пейзажей и по портретам использовала например нейросетевые методы поиска, а по пейзажам что-то завязанное на сегментах, контурах и так далее). Но и этого нету, хотя работы в данном направлении активно ведутся.
А по поводу того где брать образец — то мне кажется для обычного пользователя, без художественных данных, до момента появления систем распознавания образов прямиком из головы — ничего толкового сделать не получиться.
А для дизайнеров, которые подбирают изображения для своих целей, найти (или набросать эскиз) образец того, что ему надо — не составит труда.
На мой взгляд максимальное что сегодня можно получить — это некоторая авто классификация изображений (чтобы система автоматически отделяла портреты от пейзажей и по портретам использовала например нейросетевые методы поиска, а по пейзажам что-то завязанное на сегментах, контурах и так далее). Но и этого нету, хотя работы в данном направлении активно ведутся.
А по поводу того где брать образец — то мне кажется для обычного пользователя, без художественных данных, до момента появления систем распознавания образов прямиком из головы — ничего толкового сделать не получиться.
А для дизайнеров, которые подбирают изображения для своих целей, найти (или набросать эскиз) образец того, что ему надо — не составит труда.
гм… а как же свёртка изображения в древовидную структуру с детализацией и индексирование свёртки в B-tree?
Sign up to leave a comment.
Поиск изображений на основе содержания