《表2 几种算法的NDCG (K20) 比较》
本文方法在NDCG(K20)(表示检索结果排名前20的比较情况) 上明显要优于其他方法,如表2所示。文献[9]通过改进的AROP算子对草图进行角分区表示,相比文献[10],检索性能提升很大;文献[10]在检索匹配上根据最近邻的相似度分数的相关性来更新图像之间的距离以提升检索性能,该方法对噪声敏感,其表现一般;基于传统的HOG[13]特征与基于边缘像素匹配的Edgel[18]方法检索准确率有限;HLR[19]方法利用草图线的关系直方图,有效降低了对象边界的噪声,准确率有了一定的提升,而本文方法结合视觉显著区域检测,减少了干扰信息,通过对初始结果进行优化排序,对检索结果有了很大的改善,相比RST-SHELO[20]方法提高了10%。
图表编号 | XD0058925400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.15 |
作者 | 吴传彬、刘骊、付晓东、刘利军、黄青松 |
绘制单位 | 昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学云南省计算机技术应用重点实验室、昆明理工大学信息工程与自动化学院、昆明理工大学云南省计算机技术应用重点实验室、昆明理工大学信息工程与自动化学院、昆明理工大学云南省计算机技术应用重点实验室、昆明理工大学信息工程与自动化学院、昆明理工大学云南省计算机技术应用重点实验室 |
更多格式 | 高清、无水印(增值服务) |