Алгоритми порівняння зображень для розв’язання задачі пошуку за вмістом

dc.contributor.authorКарпович, Артем
dc.contributor.authorГлибовець, Андрій
dc.date.accessioned2018-11-06T14:27:27Z
dc.date.available2018-11-06T14:27:27Z
dc.date.issued2018
dc.description.abstractЗдійснено аналіз методів пошуку зображень за вмістом, охарактеризовано їхні недоліки та переваги з огляду на вимоги до сучасних пошукових систем (швидкість пошуку, релевантність, ресурсні затрати, якість отриманих даних та гнучкість пошукових процесів). Акцентовано увагу на перцептивних хеш-алгоритмах (Block Mean Value Based Hash, DCT Based Hash, Radial Variance Based Hash, Marr-Hildreth Operator Based Hash). Наведено офіційні результати тестування швидкості роботи алгоритмів. Визначено найбільш оптимальний алгоритм на сьогодні.uk_UA
dc.description.abstractIn an accelerated pace of a growing amount of information, the problem of finding the right one becomes increasingly important. Along with the expansion of the volume of information resources, the requirements for modern search engines are constantly rising. Among the main ones are the search speed, the relevancy, the resource costs, the quality of the data received, and the search engine flexibility. One of the effective ways to solve the problem is the development and implementation of specialized search engines. Since information resources of a specialized search engine are classified by type, information can be structured. There are two methods for finding images: metadata search and content. In this article, we will take a closer look at the second approach. In the process of looking for images on the visual content, the comparison process should be done not on the original images but on the data obtained as a result of the pre-processing of these images, because the comparison of images directly with each other takes too much processor time, and if used even on the minimum repositories where the number of images is just over a hundred, it is completely ineffective. In the case of writing the data in a string format, the effectiveness of the method depends on the algorithms used to form the string. One of the most effective and versatile ones is the use of a perceptive hash algorithm. Perceptive hash algorithms describe a class of functions for generating comparable hashes. They use different image properties to build an individual “imprint”. In the future, these “prints” can be compared with each other. For solving this problem we choose four algorithms: Block Mean Value Based Hash, DCT Based Hash, Radial Variance Based Hash, and Marr-Hildreth Operator Based Hash. Each of the above algorithms has its advantages, but the requirements for the modern search engines systems are only increasing, and the greatest advantage is given by the malicious code of the algorithm, so the most optimal is the Block Mean Value Based Hash (BMB).en_US
dc.identifier.citationКарпович А. В. Алгоритми порівняння зображень для розв'язання задачі пошуку за вмістом / Карпович А. В., Глибовець А. М. // Наукові записки НаУКМА. Комп'ютерні науки. - 2018. - Т. 1. - С. 21-24.uk_UA
dc.identifier.issn2617-7323
dc.identifier.urihttps://ekmair.ukma.edu.ua/handle/123456789/14636
dc.identifier.urihttps://doi.org/10.18523/2617-3808.2018.21-24
dc.language.isoukuk_UA
dc.relation.sourceНаукові записки НаУКМА. Комп'ютерні науки. - 2018. - Т. 1uk_UA
dc.statusfirst publisheduk_UA
dc.subjectпошукuk_UA
dc.subjectвмістuk_UA
dc.subjectалгоритмuk_UA
dc.subjectхеш-функціяuk_UA
dc.subjectрелевантністьuk_UA
dc.subjectстаттяuk_UA
dc.subjectsearchen_US
dc.subjectcontenten_US
dc.subjectalgorithmen_US
dc.subjecthash functionen_US
dc.subjectrelevancyen_US
dc.titleАлгоритми порівняння зображень для розв’язання задачі пошуку за вмістомuk_UA
dc.title.alternativeComparison algorithms for solving the image retrieval problemen_US
dc.typeArticleuk_UA
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Karpovych_Alhorytmy_porivniannia_zobrazhen_dlia_rozviazannia_zadachi.pdf
Size:
259.23 KB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
7.54 KB
Format:
Item-specific license agreed upon to submission
Description: