Image retrieval has became a huge part of computer vision and data mining. Although commercial image retrieval systems such as Google show great performances, the improvement on retrieval systems are constantly on demand because of the rapid growth of data on web space. To satisfy the demand, many re-ranking algorithms, which improve retrieved results by re-ordering, has been proposed. However, though there is potential to improve the overall performance by cooperation between multiple retrieval systems, the research on the topic has not been done sufficiently. In this thesis, we made the condition that other manner than cooperation cannot improve the ranking result. Also, we proposed a module, which is a key function of cooperation, that convert rank information from each retrieval to a form of pairwise similarity. We evaluate the algorithm on toy model and show that propose module can improve the retrieval results.
영상검색은 컴퓨터 비전과 데이터 마이닝 분야의 큰 분야로 발전하였다. 비록 Google 과 같은 상업적인 영상 검색기가 놀라운 성능을 보여주고 있으나, 폭발적인 웹상의 데이터량으로 인하여 꾸준한 성능향상이 요구되고 있다. 이러한 요구를 만족시키기 위하여 영상검색의 결과를 재배열하여 검색성능을 향상시키는 많은 방법들이 개발되고 있다. 그러나 여러 개의 상업적 검색기의 결과를 결합하여 성능을 증가시키는 방법에 대해서는 충분한 연구가 이루어지지 않고 있다.
본 학위논문에서는 영상검색기의 결과를 향상시키는데에 있어서, 두 검색결과의 협력 없이는 성능향상이 불가능한 상황을 가정한다. 또한 최근에 발표된 Visualrank 기법을 응용하여, 검색 순위를 영상 한 쌍간의 유사성으로 변환시키는 방법에 대해 제시한다. 실험결과는 toy model에서 수행되었으며, 협력을 통해 성능향상이 가능하다는 것을 시사한다.