• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
https://doi.org/10.11606/D.55.2012.tde-03022012-150052
Documento
Autor
Nome completo
Letrícia Pereira Soares Avalhais
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2012
Orientador
Banca examinadora
Traina, Agma Juci Machado (Presidente)
Barcellos, Célia Aparecida Zorzo
Batista Neto, João do Espírito Santo
Título em português
Transformação de espaços métricos otimizando a recuperação de imagens por conteúdo e avaliação por análise visual
Palavras-chave em português
Algoritmo genético
Consultas por similaridade
Realimentação de relevância
Transformação de espaço métrico
Visualização
Resumo em português
O problema da descontinuidade semântica tem sido um dos principais focos de pesquisa no desenvolvimento de sistemas de recuperação de imagens baseada em conteúdo (CBIR). Neste contexto, as pesquisas mais promissoras focam principalmente na inferência de pesos de características contínuos e na seleção de características. Entretanto, os processos tradicionais de inferência de pesos contínuos são computacionalmente caros e a seleção de características equivale a uma ponderação binária. Visando tratar adequadamente o problema de lacuna semântica, este trabalho propõe dois métodos de transformação de espaço de características métricos baseados na inferência de funções de transformação por meio de algoritmo genético. O método WF infere funções de ponderação para ajustar a função de dissimilaridade e o método TF infere funções para transformação das características. Comparados às abordagens de inferência de pesos contínuos da literatura, ambos os métodos propostos proporcionam uma redução drástica do espaço de busca ao limitar a busca à escolha de um conjunto ordenado de funções de transformação. Análises visuais do espaço transformado e de gráficos de precisão vs. revocação confirmam que TF e WF superam a abordagem tradicional de ponderação de características. Adicionalmente, foi verificado que TF supera significativamente WF em termos de precisão dos resultados de consultas por similaridade por permitir transformação não lineares no espaço de característica, conforme constatado por análise visual.
Título em inglês
Metric space transformation optimizing content-based image retrieval and visual analysis evaluation
Palavras-chave em inglês
Genetic algorithm
Metric space transformation
Relevance feedback
Similarity queries
Visualization
Resumo em inglês
The semantic gap problem has been a major focus of research in the development of content-based image retrieval (CBIR) systems. In this context, the most promising research focus primarily on the inference of continuous feature weights and feature selection. However, the traditional processes of continuous feature weighting are computationally expensive and feature selection is equivalent to a binary weighting. Aiming at alleviating the semantic gap problem, this master dissertation proposes two methods for the transformation of metric feature spaces based on the inference of transformation functions using Genetic Algorithms. The WF method infers weighting functions and the TF method infers transformation functions for the features. Compared to the existing methods, both proposed methods provide a drastic searching space reduction by limiting the search to the choice of an ordered set of transformation functions. Visual analysis of the transformed space and precision. vs. recall graphics confirm that both TF and WF outperform the traditional feature eighting methods. Additionally, we found that TF method significantly outperforms WF regarding the query similarity accuracy by performing non linear feature space transformation, as found in the visual analysis.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2012-02-03
 
AVISO: O material descrito abaixo refere-se a trabalhos decorrentes desta tese ou dissertação. O conteúdo desses trabalhos é de inteira responsabilidade do autor da tese ou dissertação.
  • AVALHAIS, Letricia P. S., et al. Feature space optimization for content-based image retrieval [doi:10.1145/2387358.2387359]. ACM SIGAPP Applied Computing Review [online], 2012, vol. 12, n. 3, p. 7-19.
  • AVALHAIS, LETRICIA P. S., et al. Feature space optimization for content-based image retrieval [doi:10.1145/2387358.2387359]. Applied Computing Review [online], 2012, vol. 12, p. 7-19.
  • AVALHAIS, L. P. S., et al. Image Retrieval Employing Genetic Dissimilarity Weighting and Feature Space Transformation Functions [doi:10.1145/2245276.2245471]. In 27th Annual ACM Symposium on Applied Computing (SAC2012), Riva del Garda, 2012. Proceedings of the ACM.New York : ACM Press, 2012.
  • AVALHAIS, Letricia P. S., et al. Image retrieval employing genetic dissimilarity weighting and feature space transformation functions [doi:10.1145/2245276.2245471]. In Proceedings of the 27th Annual ACM Symposium on Applied Computing - SAC '12 [online], 27, Trento, Italy, 2012. New York, New York, USA : ACM Press, 2012. p. 1012-1017. ISBN 9781450308571.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.