Realimentação de Relevantes via Algoritmo Genético
auto-adaptativa à subjetividade da Similaridade entre
Imagens
auto-adaptativa à subjetividade da Similaridade entre
Imagens
Sérgio Francisco da Silva, Celia Aparecida Zorzo Barcelos e Marcos Aurélio Batista |
Nowadays the main hurdles facing Content-based Image Retrieval Systems are: 1) the semantic gap between the low-level visual features and the high-level semantic concepts and 2) human subjectivity in regard to visual content. This work is inspired on the WLSP-C±1 image similarity model, proposed by Stejic (2003). The main characteristics are: the region-based image comparison, the use of feature combinations, and the image similarity measure’s adaptation to the user’s criteria using weights that reflect their relevance and irrelevance concepts and, also the undesirability of similarities. The main objectives of this work are: to improve the retrieval precision and to increase the methods speed. Experiments have shown that the proposed method provides a better performance when compared to Stejic’s model which was affirmed to as having a greater efficiency than many of the existing methods, as observed by the authors. Tests in a database of 4200 images have shown that the system is very efficient, indicating the possibility of World Wide Web application, using the force of parallel computation to minimize search time.
|
| Keywords: Relevance Feedback, Genetic Algorithm, Region Similarity, Similarity Measures Adaptation. |
|
Os sistemas de Recuperação de Imagens por Conteúdo (CBIRs) enfrentam atualmente dois gargalos principais: 1) o gap-semântico entre conceitos de alto nível e características de baixo nível, e 2) a subjetividade da percepção humana do conteúdo visual. Este trabalho é inspirado no modelo de similaridade WLSP-C±1, proposto por Stejic (2003). Suas principais características são: comparação de imagens por regiões, uso de múltiplas características, e adaptação da medida de similaridade entre imagem aos critérios do usuário através de pesos que refletem os conceitos de relevância, irrelevância e indesejabilidade de similaridades. Os objetivos centrais deste trabalho são: melhorar a precisão de recuperação e a velocidade do método. Experimentos computacionais comprovam a superioridade do método proposto em relação aos resultados de Stejic (2003), que afirma que seu método é mais eficiente que vários outros. Testes em um banco de dados de 4200 imagens mostraram que o sistema é bastante eficiente, indicando a possibilidade de aplicação deste na World Wide Web, utilizando a força da computação paralela para minimizar o tempo de busca.
|
| Palabras chaves:Realimentação de Relevantes, Algoritmo Genético, Similaridade de Regiões, Adaptação de Medidas de Similaridade. |
 |
 |