According to evolution of the technologies, the number of image contents is increasing rapidly. Consequently, the field related with the image retrieval attracts public attention. In the early stage, an image retrieval was conducted by using the keywords. However, there are many limitations. Especially when a user does not know the keywords about the image, he cannot try to retrieve the image. To overcome those problems, content-based image retrieval (CBIR) is proposed. CBIR uses an image itself as a query instead of the keywords. This approach is helpful to find similar images when there is no keywords information. However, because of its limitations of extracted features from an image, it cannot return user-preferred result as a top result. To solve those problems, this paper proposes methods which improve accuracy of Image Retrieval by Combining Visual Features and Keywords. Methods introduce new index structures which are the visual index (VI), a short-lived text index (SL-TI) and a combined index (CI). Methods also propose the score function to combine both visual and textual scores. Experiments on the large image dataset show that proposed approach is superior to the baseline approach and keywords are contributing to improving accuracy of Image Retrieval.
기술 발전에 따라, 이미지 컨텐츠의 수가 급격히 증가하고 있다. 그 결과, 이미지 검색에 관련된 분야가 주목 받고 있다. 초창기의 이미지 검색은 키워드를 이용하여 검색을 수행하였다. 그러나 이러한 방법은 많은 한계점을 가지고 있었다. 특히, 사용자가 이미지에 대한 키워드를 알지 못하는 경우에 검색 조차 시도할 수 없다. 이러한 문제점들을 극복하기 위해서, 내용 기반 이미지 검색(CBIR)이 제안되었다. 내용 기반 이미지 검색은 키워드 대신 이미지 자체를 질의로 이용한다. 이러한 접근 방법은 키워드 정보가 없을 때 유사한 이미지를 찾는 경우에는 도움이된다. 하지만, 이미지로부터 추출하는 특성의 한계로 사용자가 선호하는 결과를 상위 검색 결과로 우선 반환하는 것에 한계가 있다. 이러한 문제점을 해결하기 위해, 본 논문에서는 비주얼 특성과 키워드 결합을 통한 이미지 검색의 정확도를 향상시키는 방법들을 제안한다. 비주얼 색인, 단기 텍스트 색인 그리고 결합 색인을 소개하고, 비주얼과 텍스트 점수를 결합하기 위한 점수 함수를 제안한다. 그리고 대규모 이미지 데이터 집합에서의 실험을 통해 제안 방법이 기준 방법보다 뛰어남을 보이고 키워드가 이미지 검색의 정확도 향상에 기여함을 보이고자 한다.
