[Computer Vision] Similarity Measurement in Image Retrieval

Image Retrieval

- 이미지 검색

 

Person Re-Identification과 같은 유사 여부를 판단하기 위해선 'Similarity' 또는 'Distance'를 계산해야 한다.

 

similarity/distance를 구하는 방법은 다양하지만, 그 중 Euclidean Distance와 Cosine Distance 등이 있다.

이러한 함수를 Metric이라 표현한다.

 

Metric

- 집합 내 한 쌍의 원소의 거리를 측정하는 함수

- metric f(x, y)는 항상 아래의 4가지 조건에 만족해야 한다.

    1. Non-negativity : f(x, y) >= 0

    2. Identity of Discernible : f(x, y) = 0 <=> x = y

    3. Symmetry : f(x, y) = f(y, x)

    4. Triangle Inequality : f(x, z) <= f(x, y) + f(y, z)

 

이러한 Metrics는 2가지 종류가 있다.

1. Pre-defined Metrics

    - data에 대한 사전 정보 없이 완전히 지정된 metrics

    - E.g. Euclidean Distance

 

 

 

2. Learned Metrics

    -  data에 대한 사정 정보로 정의할 수 있는 metrics

    - E.g. Mahalanobis Distance

              → Euclidean Distance에서 루트 안의 식에서 M만 추가된 형태

              → M은 data들로부터 추정된 matrix

    - 2가지 형태

        - Supervised : labeled data 활용

        - Unsupervised : unlabeled data 활용