We present a rank-based voting technique utilizing inclusion relationship for high quality image search. Since images can have multiple regions of interest, we extract representative object regions using a state-of-the-art region proposal method tailored for our search problem. We then extract CNN features locally from those representative regions and identify inclusion relationship between those regions. To identify similar images given a query, we propose a novel similarity measure based on representative regions and their inclusion relationship. Our similarity measure gives a high score to a pair of images that contain similar object regions with similar spatial arrangement. To verify benefits of our method, we test our method in three standard benchmarks and compare it against the state-of-the-art image search methods using CNN features. Our experiment results demonstrate effectiveness and robustness of proposed algorithm, and also show the potential to further improve by cooperating with other state-of-the-art methods.
본 논문에서는 포함 관계와 순위 기반 투표를 활용하여 높은 품질의 이미지 검색 정확도를 달성하는 기술을 선보인다. 이미지는 하나 이상의 관심 영역을 가질 수 있기 때문에, 이미지 검색 문제에 적합하도록 조정한 최신 물체 검출 기술을 이용하여 이미지로부터 대표적인 물체 영역들을 검출한다. 그 후, 검출한 대표 영역들로부터 지역적으로 CNN 기술자를 추출하며 그와 동시에 영역들 사이의 포함 관계를 확인한다. 질의 이미지와 비슷한 이미지들을 찾기 위해, 본 논문에서는 대표 영역들과 포함 관계에 기반한 새로운 유사도 측정 방식을 제안한다. 본 논문에서 제안하는 유사도 측정 방식은 유사한 물체 영역이 유사한 공간적 관계까지 가질 경우, 높은 유사도를 부여한다. 제안하는 방식의 검증을 위하여 세 종류의 이미지 검색 표준 데이터셋을 활용하며, 검색 정확도를 CNN을 이용하는 다른 최신 이미지 검색 기술들과 비교한다. 실험을 통해 본 기술의 효용성과 견고성을 입증하며, 또한 다른 최신 기술들과 함께 사용될 시 더 높은 성능을 보일 잠재성을 제시한다.
