Resumen

Encontrar imágenes similares a una imagen de consulta dada puede calcularse mediante diferentes medidas de distancia. Una de las medidas de distancia generales es la Distancia de Transporte de Earth Movers (EMD). Aunque EMD ha demostrado su capacidad para recuperar imágenes similares con una precisión promedio de alrededor del 95%, su mayor inconveniente es el alto tiempo de ejecución. Incorporar EMD en una solución que resuelve este problema sacrificando el rendimiento; sin embargo, genera un vector de características de imagen muy sesgado. Nuestro objetivo fue reducir el tiempo de ejecución de EMD incrustado y aumentar su rendimiento utilizando tres métodos de reducción de dimensiones: muestreo, esbozo y Reducción de Dimensiones en la Incrustación mediante Ajuste en la Cola (DREAT, por sus siglas en inglés). El muestreo es un método que elige aleatoriamente una pequeña fracción de las características de la imagen. Por otro lado, el esbozo es un método de estimación de distancia basado en estadísticas resumidas específicas. El último método, DREAT, selecciona ale

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Imágenes similares; Medidas de distancia; Distancia de Earth Movers; Tiempo de ejecución; Métodos de reducción de dimensiones; Imágenes de dígitos persas
• Keywords:Similar images; Distance measures; Earth Movers Distance; Execution time; Dimension reduction methods; Persian digit images