Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS
Inhalt archiviert am 2024-06-18
Visual Recognition Made Super-Scalable

Article Category

Article available in the following languages:

Digitale Bildsammlungen durchsurfen

Mit Mitteln des Europäischen Forschungsrats (European Research Council, ERC) in Höhe von 1,5 Mio. EUR erkundeten Forscher neue Methoden zum automatischen Fahnden nach visuellen Verbindungen zwischen Bildern innerhalb einer riesigen Sammlung.

Vor nicht allzu langer Zeit gab es nur eine einzige erlaubte Option für die Suche nach Bildern: Schlüsselwörter. Aber in den letzten Jahren haben sich mit den Bilderkennungstechnologien die Dinge drastisch verändert. Jede gegebene Abbildung kann in ein Array von berechneten Vektoren umgewandelt werden, womit der visuelle Inhalt in mathematischen Begriffen beschrieben wird. Speziell dafür vorgesehene Suchmaschinen verhelfen der Bilderkennungstechnologie zum Durchbruch, die den Nutzern gestattet, Kopien eines bestimmten Bildes sowie modifizierte Versionen nachzuverfolgen. Das Projektteam von VIAMASS(öffnet in neuem Fenster) (Visual recognition made super-scalable) hat innovative Verfahren vorzuweisen, die auf drastische Weise die Leistungsfähigkeit derartiger visueller Abfragen gesteigert haben. Jedoch sahen die Forscher eine weitere Herausforderung in der automatischen Aufdeckung visueller Verknüpfungen zwischen den Bildern. Vor VIAMASS stand keine Methode zur Verfügung, um auf effiziente und genaue Weise derartige visuelle Verbindungen zwischen Bildern innerhalb einer sehr großen Sammlung zu entdecken. Frühere Bemühungen resultierten in Algorithmen, mit denen häufige visuelle Muster erfasst werden können, während seltene Übereinstimmungen unentdeckt blieben. Die Forscher begannen mit der Entwicklung radikal neuer Bilddarstellungen, die es ihnen erlauben würden, die Probleme bei der angezielten visuellen Erkennung zu lösen. Der nächste Schritt bestand darin, algorithmische Lösungen zu finden, die sich als geeignet erweisen sollten, Teilmengen von Vektoren zu finden, die ein identisches Objekt in verschiedenen Bildern darstellen. Zu guter Letzt schlugen sie neue Kodierungsverfahren zum Vergleich derartiger Vektormengen in einer enorm großen Bildsammlung vor. Die fünf Jahre währenden Forschungsanstrengungen veranschaulichten die Vorteile mehrerer unkonventioneller Ansätze für Ähnlichkeitssuchen mittels Demonstratoren, die ausgewählte visuelle Links in Bildern aufweisen. Die Arbeit von VIAMASS wird den Weg zu besseren Darstellungen für die konventionelle Abfrage durch Muster ebnen und sich damit auf die Verarbeitungskette visueller Linksuchen auswirken.

Entdecken Sie Artikel in demselben Anwendungsbereich

Mein Booklet 0 0