맨위로가기

이미지 검색

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
목차

1. 개요

이미지 검색은 사용자가 키워드, 이미지 파일 또는 링크를 제공하거나 이미지를 클릭하여 유사한 이미지를 찾는 데이터 검색 방법이다. 검색 기준은 이미지의 메타데이터, 색상 분포, 모양 등을 기반으로 하며, 이미지 메타 검색, 내용 기반 이미지 검색(CBIR), 이미지 컬렉션 탐색 등 다양한 방식이 사용된다. CBIR은 컴퓨터 비전을 활용하여 텍스트 설명 없이 이미지 내용의 유사성을 기반으로 검색하는 방식이다. 이미지 검색 시스템 설계는 데이터의 범위, 사용자 기반, 예상 트래픽 등에 따라 달라지며, 아카이브, 도메인별 컬렉션, 기업 컬렉션, 개인 컬렉션, 웹 등 다양한 데이터 범주로 분류된다. 이미지 검색 시스템의 성능을 평가하기 위한 워크숍으로 ImageCLEF와 Content-based Access of Image and Video Libraries (CBAIVL)가 있다.

더 읽어볼만한 페이지

  • 이미지 검색 - 구글 이미지
    구글 이미지는 2001년 7월에 출시된 구글의 이미지 검색 서비스로, 이미지 분석을 통해 시각적으로 유사하거나 일치하는 이미지를 검색 결과로 제공하며, 텍스트 기반 검색의 한계 극복을 위해 개발되었으나 검열 논란과 사용자 편의성 저하에 대한 비판도 있다.
  • 이미지 검색 - 내용 기반 이미지 검색
    내용 기반 이미지 검색은 이미지의 시각적 특징을 기반으로 이미지를 검색하는 기술로서, 메타데이터 기반 시스템의 한계를 극복하기 위해 발전해 왔으며, 다양한 분야에 응용된다.
이미지 검색
이미지
이미지 검색 처리
이미지 검색 처리
개요
정의디지털 이미지에서 검색하는 프로세스
접근 방식
내용 기반 이미지 검색 (CBIR)이미지의 시각적 내용 분석
주석 기반 이미지 검색 (ABIR)이미지에 추가된 메타데이터 활용
내용 기반 이미지 검색 (CBIR) 상세
특징 추출이미지에서 색상, 질감, 모양 등의 시각적 특징 추출
유사성 측정추출된 특징을 기반으로 이미지 간의 유사성 측정
검색유사성 측정 결과를 이용하여 검색 수행
주석 기반 이미지 검색 (ABIR) 상세
메타데이터이미지에 대한 설명, 키워드 등의 메타데이터 추가
쿼리 처리사용자의 쿼리를 분석하여 관련 이미지 검색
응용 분야
의료 영상의료 영상 데이터베이스에서 특정 질병이나 병변 검색
보안 감시감시 카메라 영상에서 특정 객체나 이벤트 검색
전자 상거래상품 이미지 검색 및 추천
디지털 라이브러리이미지 컬렉션 관리 및 검색
과제 및 연구 방향
의미론적 격차 해소저수준 시각적 특징과 고수준 의미론적 의미 사이의 격차 해소
확장성대규모 이미지 데이터베이스에 대한 효율적인 검색
사용자 인터페이스사용자가 쉽게 사용할 수 있는 검색 인터페이스 개발

2. 검색 방법

'''이미지 검색'''은 이미지를 찾기 위해 사용되는 특수한 데이터 검색이다. 이미지를 검색하기 위해 사용자는 키워드, 이미지 파일/링크와 같은 검색어를 제공하거나, 어떤 이미지를 클릭할 수 있으며, 시스템은 검색어와 "유사한" 이미지를 반환한다. 검색 기준에 사용되는 유사성은 이미지의 메타 태그, 색상 분포, 영역/모양 속성 등이 될 수 있다.

2. 1. 메타데이터 기반 검색

이미지 메타 검색은 키워드, 텍스트 등과 같은 관련 메타데이터를 기반으로 이미지를 검색하는 방식이다.

2. 2. 내용 기반 이미지 검색 (CBIR)

내용 기반 이미지 검색 (CBIR)은 컴퓨터 비전 기술을 이미지 검색에 적용한 방식이다. CBIR은 텍스트 설명을 사용하지 않고, 사용자가 제공한 검색 이미지 또는 사용자가 지정한 이미지 특징(질감, 색상, 모양 등)과 내용의 유사성을 기반으로 이미지를 찾는 것을 목표로 한다.

2. 2. 1. CBIR 엔진 목록

색상, 질감, 모양/객체 등과 같은 이미지 시각적 콘텐츠를 기반으로 이미지를 검색하는 엔진 목록이다.

2. 3. 이미지 컬렉션 탐색

이미지 컬렉션 탐색은 새로운 탐색 패러다임을 사용하여 이미지를 검색하는 방식이다.[3]

3. 데이터 범위

이미지 검색 시스템을 설계할 때, 다루어야 할 이미지 데이터의 범위와 특성을 파악하는 것은 시스템의 복잡성을 결정하는 중요한 요소이다. 또한 시스템 설계는 사용자 기반의 다양성이나 예상되는 사용자 트래픽과 같은 요인에도 큰 영향을 받는다. 이러한 기준에 따라 검색 대상이 되는 데이터는 다음과 같이 분류할 수 있다.


  • '''아카이브'''
  • '''도메인별 컬렉션'''
  • '''기업 컬렉션'''
  • '''개인 컬렉션'''
  • '''웹'''

3. 1. 아카이브

아카이브는 일반적으로 특정 주제와 관련된 대량의 데이터를 포함하며, 이 데이터는 구조화되어 있거나 반구조화된 형태를 띤다. 또한 데이터의 성격이 동질적인 특징을 가진다.

3. 2. 도메인별 컬렉션

'''도메인별 컬렉션'''은 매우 구체적인 목표를 가진 제한된 사용자에게 접근 권한을 제공하는 동질적인 컬렉션이다. 이러한 컬렉션의 예로는 생물의학 및 위성 이미지 데이터베이스가 있다.

3. 3. 기업 컬렉션

조직의 인트라넷 내에서 사용자들이 접근할 수 있는, 다양한 종류의 이미지 모음을 의미한다. 이미지는 여러 다른 위치에 저장되어 있을 수 있다.

3. 4. 개인 컬렉션

개인 컬렉션은 일반적으로 크기가 작고, 주로 소유자 본인이 접근하며, 로컬 저장 매체에 저장되는, 대체로 비슷한 종류의 이미지들로 구성된 모음을 말한다.

3. 5. 웹

월드 와이드 웹 이미지는 인터넷에 연결된 누구나 접근할 수 있는 특징을 가진다. 이러한 이미지 컬렉션은 반구조화되어 있고 비동질적이며, 그 양이 매우 방대하다. 일반적으로 웹 이미지는 대용량 디스크 배열에 저장된다.

4. 평가

이미지 검색 시스템의 성능을 조사하고 개선하는 것을 목표로 하는 전문적인 평가 워크숍들이 있다. 이러한 워크숍들은 텍스트 정보와 이미지 자체의 특징을 모두 활용하는 등 다양한 방법으로 시스템의 성능을 측정하고 비교 분석한다. 대표적인 예로는 교차 언어 평가 포럼(CLEF)의 ImageCLEF와 IEEE에서 주관했던 Content-based Access of Image and Video Libraries (CBAIVL) 등이 있다.

4. 1. ImageCLEF

ImageCLEF는 이미지 검색 시스템의 성능을 평가하기 위한 교차 언어 평가 포럼(CLEF)의 지속적인 연구 분야 중 하나이다. 이 평가는 텍스트 기반 검색 방법과 순수한 이미지 특징만을 이용한 검색 방법을 모두 활용하여 시스템의 성능을 종합적으로 측정하는 것을 목표로 한다.

4. 2. Content-based Access of Image and Video Libraries (CBAIVL)

Content-based Access of Image and Video Libraries는 1998년부터 2001년까지 개최된 일련의 IEEE 워크숍이다.

참조

[1] 논문 A microcomputer-based image database management system http://dspace.mit.ed[...] 1987-02
[2] 논문 Image Retrieval: Ideas, Influences, and Trends of the New Age http://infolab.stanf[...] 2008-04
[3] 논문 A kernel-based framework for image collection exploration
[4] 논문 A microcomputer-based image database management system http://dspace.mit.ed[...] 1987-02
[5] 논문 Image Retrieval: Ideas, Influences, and Trends of the New Age http://infolab.stanf[...] 2008-04


본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com