• 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
 
 
Disertación de Maestría
DOI
10.11606/D.55.2012.tde-03022012-150052
Documento
Autor
Nombre completo
Letrícia Pereira Soares Avalhais
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 2012
Director
Tribunal
Traina, Agma Juci Machado (Presidente)
Barcellos, Célia Aparecida Zorzo
Batista Neto, João do Espírito Santo
Título en portugués
Transformação de espaços métricos otimizando a recuperação de imagens por conteúdo e avaliação por análise visual
Palabras clave en portugués
Algoritmo genético
Consultas por similaridade
Realimentação de relevância
Transformação de espaço métrico
Visualização
Resumen en portugués
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 en inglés
Metric space transformation optimizing content-based image retrieval and visual analysis evaluation
Palabras clave en inglés
Genetic algorithm
Metric space transformation
Relevance feedback
Similarity queries
Visualization
Resumen en inglés
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.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2012-02-03
 
ADVERTENCIA: El material descrito abajo se refiere a los trabajos derivados de esta tesis o disertación. El contenido de estos documentos es responsabilidad del autor de la tesis o disertación.
  • 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 los derechos de la tesis/disertación pertenecen a los autores
Centro de Informática de São Carlos
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2019. Todos los derechos reservados.