Bag of Words

<aside> 📖

BoW ( Bag of Words )

문서, 문장 등의 단어보다 큰 차원의 document로부터 단어들을 추출해 특정한 공간(Bag)담아두고 이를 통해 간단한 문서 분류 및 유사한 문서 검색에 활용

• 모든 단어를 전부 추출하는 것이 아닌 주요한 명사, 동사 등의 정보 함량 순도가 높은 단어 위주로 추출을 한다. </aside>

BoVW ( Bag of Visual Words )

<aside> 📖

BoVW ( Bag of Visual Words )

BOW 와 비슷하게 텍스트, 이미지로 변경된 방법론이 BOVW이다.

이미지 각각 담고있는 특정한 정보들을 이미지 주머니에 담아 이미지 분류 및 검색에 활용한다.

• 이미지를 n 차원의 수치형 벡터로 변환, 클러스터링 및 분포도(Histogram)로 나타낸 뒤, 이를 통해 유사도 검색을 진행한다.
• 이미지 내 모든 픽셀 영역이 아닌 해당 이미지를 형용하는데 있어 대표성이 있을만한 픽셀 등을 담아야 이후 작업에서 유의미한 결과값이 도출된다. </aside>

BoVW를 활용한 CBIR 5단계

SIFT ( Scale Invariant Feature Transform )

Codebook Generation

Similarity Search

실습

<aside> 📄

정리

BoVW까지 딥러닝 발전 이전에 자주 쓰이던 기초적인 방식이다.

• SIFT 알고리즘 등은 객체의 edge 요소에 특화하여 유사 이미지를 구하는 방식에 있어 때로는 쓸만한 옵션이 될 수 있다.
• 신경망 기반의 CNN, Vision Transformer, CLIP 보다는 처리 비용이 가볍지만, 상대적으로 성능이 떨어짐 </aside>

<aside> ☝🏻

항상 SOTA(최고 성능 기술)를 쓰는 것이 최선은 아니다. 입력 규모/부하(로드율)에 따라 해결하려는 문제를 세분화하고 세분화된 스코프별로 가장 적합한 방법론을 적용하는 것이결과적으로 더 좋은 시스템이 될 수 있다.

</aside>