Searching for similar images using Nash game and machine learning

Abstract

Зберігання великих обсягів цифрових даних, а також обробка цифрових зображень, наразі значно розширюються в низці застосувань. Як наслідок, необхідне ефективне управління великими базами даних зображень, що вимагає використання автоматизованих та передових методів індексування. Одним із методів, що використовуються для цього, є пошук зображень на основі контенту (CBIR), який намагається індексувати та запитувати базу даних зображень, використовуючи візуальні аспекти зображення, а не його семантичні характеристики. У цій статті запропоновано дослідити цифрову пошукову систему для подібних зображень, засновану на кількох представленнях зображень та кластеризації, вдосконалену за допомогою теорії ігор та методів машинного навчання.

The storage of large amounts of digital data, as well as the processing of digital images, are currently expanding significantly across a range of application areas. As a result, effective management of big images databases is necessary, which calls for the employment of automated and cutting-edge indexing techniques. One method used for this is Content-Based Image Retrieval (CBIR), which tries to index and query the picture database using visual aspects of the image rather than its semantic features. In this article, we propose to explore a digital search engine for similar images, based on multiple image representations and clustering, improved by game theory and machine learning methods.