Search:
Lehrstuhl  |  Institut  |  Fakultät  |  LMU
print
Dieses Thema ist derzeit vergeben / nicht mehr verfügbar!

Locality sensitive hashing for image similarity search on a modern non-SQL data storage

Typ: Diplomarbeit / Masterarbeit
Art: praktische Arbeit
Betreuer: Periklis Tsirakidis (Mayflower GmbH), Johann-Peter Hartmann (Mayflower GmbH), Franz Graf (LMU / DBS)

Einordnung:

Locality-sensitive Hashing, Image Similarity, Image Indexing, Image Search, non-SQL data store

Abstract

Durch die Entwicklung von Suchmaschinen gilt das Internet heutzutage nicht nur als eine Plattform für textbasierte Dokumente sondern auch für Bilder und weitere Inhalte. Ins besonders Bilder prägen die Suchabfragen von tausenden Nutzern und umgekehrt werden sie online publik gestellt. Solche Plattformen gibt es mittlerweile in Fülle und die Suche wird meistens aus Basis von ähnlichen Beschriftungen durchgeführt. Darüber hinaus finden aktuell Lösungen ihren Weg in produktiven Systemen, womit ähnliche Bilder anhand von Bilddeskriptoren (z.B. Farbenhistrogramme, MPEG-7, Color and Edge Directivity Descriptor, etc.) indiziert werden. Nichts desto trotz haben aktuelle Implementationen den Nachteil, dass jedes Bild mit jedem anderen bei einer Suchanfrage verglichen werden muss. Diese Bearbeitung erweist sich in Kombination mit der Größe von Bilddeskriptorvektoren als ineffizient. Eine Lösung könnte hier der Einsatz von Locality-Sensitive Hashing Algorithmen verschaffen, um Suchanfragen zu beschleunigen und unabhängig von der Anzahl der Bilder zu halten. Solche Algorithmen haben die Eigenschaft ähnliche Werte in lokal gleichen Bereichen auf der Hashstruktur abzubilden. In dieser Arbeit soll ein Prototyp implementiert werden, um Bildähnlichkeit auf Basis von Locality- Sensitive Hashing zu realisieren. Eine breite Datenbasis von ca. 400.000 Bilder soll die Möglichkeiten dieser Implementation als Testumgebung dienen.

Aufgabenstellung

Ziel der ausgeschriebenen Arbeit ist es die Charakteristika von Locality-sensitive Hashing Algorithmen mit der Problemstellung der Bildähnlichkeitssuche zu verbinden, um besser skalierbare Such- und Indexdienste zu ermöglichen. Daraus ergeben sich zahlreiche Forschungsfragen:

  • Welche Vektoren von Bilddeskriptoren können für die Nutzung von Locallity-Based Hashing als Eingabewerte genutzt werden?
  • Wie kann man eine Bildähnlichkeitssuche auf Basis von Locality-sensitive Hashing realisieren?
  • Wie kann man die Bildähnlichkeitssuche um nicht Bild deskriptive Dimensionen wie Preiskategorien und Beschriftungen ergänzen?

Voraussetzungen

Interesse am Thema und an den Gebieten Imaging und Knowledge Discovery and Mining.

Zielgruppe: Master-/Diplomstudenten/-innen Informatik oder Wirtschaftsinformatik.
Kenntnisse: Programmiererfahrungen in Java o.ä.

Assoziierte Partner

Mayflower GmbH

Die Mayflower GmbH ist der marktführende PHP-Dienstleister seit mehr als 10 Jahren im deutschsprachigen Raum. Das Unternehmen mit Standorten in München und Würzburg ist spezialisierst in der Entwicklung individueller Softwarelösungen. Durch die Verwendung moderner Techniken in der webbasierten Client-Server-Architektur und agiler Methoden für Softwareentwicklung und Projektmanagement stehen wir für Applikationen, die exakt auf die Unternehmensprozesse unserer Kunden angepasst sind und nicht umgekehrt. Für mehr Informationen folgen Sie dem Link: http://www.mayflower.de

Ausschreibung als PDF zum download.

Kontakt

Franz Graf

blank