Hypergraph-Propagation und Gemeinschaftsauswahl für Objektretrieval

Raumliche Verifikation ist eine entscheidende Technik für die Retrieval spezifischer Objekte. Sie nutzt räumliche Informationen zur präzisen Erkennung von echten positiven Bildern. Allerdings können bestehende Methoden zur Abfrageerweiterung und Diffusion die räumlichen Informationen in einem gewöhnlichen Graphen mit skalaren Kantenbewertungen nicht effizient propagieren, was zu geringer Recall- oder Precision-Rate führt. Um diese Probleme anzugehen, schlagen wir einen neuartigen hypergraphenbasierten Rahmen vor, der räumliche Informationen effizient während der Abfragezeit propagiert und ein Objekt in der Datenbank präzise retrievt. Zudem schlagen wir vor, die Strukturinformationen des Bildgraphen mittels einer Gemeinschaftsauswahltechnik zu nutzen, um die Genauigkeit des ursprünglichen Suchergebnisses zu bewerten und korrekte Ausgangspunkte für die Hypergraph-Propagation bereitzustellen, ohne aufwändige räumliche Verifikationsberechnungen durchführen zu müssen. Experimentelle Ergebnisse auf den Datensätzen ROxford und RParis zeigen, dass unsere Methode bestehende Methoden zur Abfrageerweiterung und Diffusion erheblich übertrifft.