Organizace U  S Kód
hodnocení
Skupina
oborů
Body
výsledku
Body
upravené
Podíl VOBody VOBody VO
upravené
H14
Masarykova univerzita / Fakulta informatiky1516 neu 400000
Výsledky hodnocení dříve prezentovala speciální podoba stránek výskytů výsledků doplněná informacemi o hodnocení daného výskytu a výsledku. To zde supluji doplněním kopií stránek z rvvi.cz/riv z 18.12.2017 o relevantní údaje z dat H16. Najetí myší na kód či skupinu zobrazí vysvětlující text (u některých vyřazených není k dispozici). Čísla jsou oproti zdroji zaokrouhlena na 3 desetinná místa.

Large-scale Image Retrieval using Neural Net Descriptors (2015)výskyt výsledku

Identifikační kódRIV/00216224:14330/15:00081693
Název v anglickém jazyceLarge-scale Image Retrieval using Neural Net Descriptors
DruhD - Článek ve sborníku
Jazykeng - angličtina
Obor - skupinaI - Informatika
OborIN - Informatika
Rok uplatnění2015
Kód důvěrnosti údajůS - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů.
Počet výskytů výsledku1
Počet tvůrců celkem3
Počet domácích tvůrců3
Výčet všech uvedených jednotlivých tvůrcůDavid Novák (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 3445771)
Michal Batko (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 8876398)
Pavel Zezula (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 3165647)
Popis výsledku v anglickém jazyceOne of current big challenges in computer science is development of data management and retrieval techniques that would keep pace with the evolution of contemporary data and with the growing expectations on data processing. Various digital images becamea common part of both public and enterprise data collections and there is a natural requirement that the retrieval should consider more the actual visual content of the image data. In our demonstration, we aim at the task of retrieving images that are visually and semantically similar to a given example image; the system should be able to online evaluate k nearest neighbor queries within a collection containing tens of millions of images. The applicability of such a system would be, for instance, on stock photography sites, in e-shops searching in product photos, or in collections from a constrained Web image search.
Klíčová slova oddělená středníkemmetric indexing; deep convolutional neural network; contentbased image retrieval; k-NN search
Stránka www, na které se nachází výsledekhttp://dl.acm.org/citation.cfm?doid=2766462.2767868
DOI výsledku10.1145/2766462.2767868

Údaje o výsledku v závislosti na druhu výsledku

Název sborníkuProceedings of the 38th International ACM SIGIR Conference on Research and Development in Information Retrieval
ISBN9781450336215
ISSN-
Počet stran výsledku2
Strana od-do1039-1040
Název nakladateleACM
Místo vydáníNew York, NY, USA
Místo konání akceSantiago, Chile
Datum konání akce09.08.2015
Typ akce podle státní příslušnosti účastníkůWRD - Celosvětová
Kód UT WoS článku podle Web of Science-

Ostatní informace o výsledku

PředkladatelMasarykova univerzita / Fakulta informatiky
DodavatelGA0 - Grantová agentura České republiky (GA ČR)
Rok sběru2016
SpecifikaceRIV/00216224:14330/15:00081693!RIV16-GA0-14330___
Datum poslední aktualizace výsledku17.05.0016
Kontrolní číslo191740515

Odkazy na výzkumné aktivity, při jejichž řešení výsledek vznikl

Projekt podporovaný GA ČR v programu GAGAP103/10/0886 - Vizuální vyhledávání obrázků na Webu (2010 - 2012)