Combinação seletiva não supervisionada de listas ranqueadas aplicada à busca de imagens pelo conteúdo

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Valem, Lucas Pascotti
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Recuperação de Informações
Recuperação de Imagens por Conteúdo
Seleção e Combinação de Características
Seleção e Combinação de Listas Ranqueadas
Aprendizado Não Supervisionado
Reranqueamento
Information Retrieval
Content-based Image Retrieval
Feature Selection and Fusion
Unsupervised Learning
Rank-aggregation
Re-ranking
Link de acesso: http://hdl.handle.net/11449/181113
Resumo: Em virtude do grande crescimento das coleções multimídia e da evolução das tecnologias no decorrer dos últimos anos, buscar por imagens considerando o conteúdo visual das mesmas se tornou uma tarefa de extrema importância. Os sistemas de Recuperação de Imagens pelo Conteúdo (CBIR) são a principal solução dentro desse cenário e representam um campo de pesquisa cada vez mais ativo. Atualmente, esses sistemas empregam diferentes abordagens para execução de suas tarefas, dentre elas estão diferentes descritores e métodos de aprendizado. Contudo, mensurar a similaridade de maneira eficaz ainda é um desafio, principalmente devido ao conhecido problema da lacuna semântica. Como diferentes listas ranqueadas possuem resultados distintos e muitas vezes complementares, uma estratégia que tem ganhado significativa atenção é a de combinar essas listas. Este trabalho propõe três diferentes métodos completamente não supervisionados para seleção e combinação de listas ranqueadas. As abordagens foram avaliadas em cinco coleções de imagens e diversos descritores. Foram obtidos resultados comparáveis ou superiores ao estado-da-arte na maioria dos cenários analisados.
id UNSP_321638e2f4490e12aa26428841df7c66
oai_identifier_str oai:repositorio.unesp.br:11449/181113
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Combinação seletiva não supervisionada de listas ranqueadas aplicada à busca de imagens pelo conteúdoUnsupervised Selective Rank Fusion for Content-based Image Retrieval.Recuperação de InformaçõesRecuperação de Imagens por ConteúdoSeleção e Combinação de CaracterísticasSeleção e Combinação de Listas RanqueadasAprendizado Não SupervisionadoReranqueamentoInformation RetrievalContent-based Image RetrievalFeature Selection and FusionUnsupervised LearningRank-aggregationRe-rankingEm virtude do grande crescimento das coleções multimídia e da evolução das tecnologias no decorrer dos últimos anos, buscar por imagens considerando o conteúdo visual das mesmas se tornou uma tarefa de extrema importância. Os sistemas de Recuperação de Imagens pelo Conteúdo (CBIR) são a principal solução dentro desse cenário e representam um campo de pesquisa cada vez mais ativo. Atualmente, esses sistemas empregam diferentes abordagens para execução de suas tarefas, dentre elas estão diferentes descritores e métodos de aprendizado. Contudo, mensurar a similaridade de maneira eficaz ainda é um desafio, principalmente devido ao conhecido problema da lacuna semântica. Como diferentes listas ranqueadas possuem resultados distintos e muitas vezes complementares, uma estratégia que tem ganhado significativa atenção é a de combinar essas listas. Este trabalho propõe três diferentes métodos completamente não supervisionados para seleção e combinação de listas ranqueadas. As abordagens foram avaliadas em cinco coleções de imagens e diversos descritores. Foram obtidos resultados comparáveis ou superiores ao estado-da-arte na maioria dos cenários analisados.Due to the evolution of technologies to store and share images, find effective methods to index and retrieve this type of information is indispensable. The CBIR (Content-Based Image Retrieval) systems are the main solution for image retrieval tasks. These systems consist in the use of different descriptors, supervised learning methods, and more recently unsupervised learning methods. However, accurately estimate the similarity between images is still a challenging task, mainly due to the well known semantic gap problem. As different ranked lists present different effectiveness results, an interesting methodology is to combine these ranked lists. This work proposes three different unsupervised methods for selecting and combining ranked lists. The approaches were evaluated in five different image collections and several descriptors. The methods achieved results comparable or superior to the state-of-the-art in most of the evaluated scenarios.Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)2017/02091-4Universidade Estadual Paulista (Unesp)Pedronette, Daniel Carlos Guimarães [UNESP]Universidade Estadual Paulista (Unesp)Valem, Lucas Pascotti2019-03-20T16:37:35Z2019-03-20T16:37:35Z2019-03-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttp://hdl.handle.net/11449/18111300091396033004153073P2porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-11-05T13:25:45Zoai:repositorio.unesp.br:11449/181113Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462024-11-05T13:25:45Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Combinação seletiva não supervisionada de listas ranqueadas aplicada à busca de imagens pelo conteúdo
Unsupervised Selective Rank Fusion for Content-based Image Retrieval.
title Combinação seletiva não supervisionada de listas ranqueadas aplicada à busca de imagens pelo conteúdo
spellingShingle Combinação seletiva não supervisionada de listas ranqueadas aplicada à busca de imagens pelo conteúdo
Valem, Lucas Pascotti
Recuperação de Informações
Recuperação de Imagens por Conteúdo
Seleção e Combinação de Características
Seleção e Combinação de Listas Ranqueadas
Aprendizado Não Supervisionado
Reranqueamento
Information Retrieval
Content-based Image Retrieval
Feature Selection and Fusion
Unsupervised Learning
Rank-aggregation
Re-ranking
title_short Combinação seletiva não supervisionada de listas ranqueadas aplicada à busca de imagens pelo conteúdo
title_full Combinação seletiva não supervisionada de listas ranqueadas aplicada à busca de imagens pelo conteúdo
title_fullStr Combinação seletiva não supervisionada de listas ranqueadas aplicada à busca de imagens pelo conteúdo
title_full_unstemmed Combinação seletiva não supervisionada de listas ranqueadas aplicada à busca de imagens pelo conteúdo
title_sort Combinação seletiva não supervisionada de listas ranqueadas aplicada à busca de imagens pelo conteúdo
author Valem, Lucas Pascotti
author_facet Valem, Lucas Pascotti
author_role author
dc.contributor.none.fl_str_mv Pedronette, Daniel Carlos Guimarães [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Valem, Lucas Pascotti
dc.subject.por.fl_str_mv Recuperação de Informações
Recuperação de Imagens por Conteúdo
Seleção e Combinação de Características
Seleção e Combinação de Listas Ranqueadas
Aprendizado Não Supervisionado
Reranqueamento
Information Retrieval
Content-based Image Retrieval
Feature Selection and Fusion
Unsupervised Learning
Rank-aggregation
Re-ranking
topic Recuperação de Informações
Recuperação de Imagens por Conteúdo
Seleção e Combinação de Características
Seleção e Combinação de Listas Ranqueadas
Aprendizado Não Supervisionado
Reranqueamento
Information Retrieval
Content-based Image Retrieval
Feature Selection and Fusion
Unsupervised Learning
Rank-aggregation
Re-ranking
description Em virtude do grande crescimento das coleções multimídia e da evolução das tecnologias no decorrer dos últimos anos, buscar por imagens considerando o conteúdo visual das mesmas se tornou uma tarefa de extrema importância. Os sistemas de Recuperação de Imagens pelo Conteúdo (CBIR) são a principal solução dentro desse cenário e representam um campo de pesquisa cada vez mais ativo. Atualmente, esses sistemas empregam diferentes abordagens para execução de suas tarefas, dentre elas estão diferentes descritores e métodos de aprendizado. Contudo, mensurar a similaridade de maneira eficaz ainda é um desafio, principalmente devido ao conhecido problema da lacuna semântica. Como diferentes listas ranqueadas possuem resultados distintos e muitas vezes complementares, uma estratégia que tem ganhado significativa atenção é a de combinar essas listas. Este trabalho propõe três diferentes métodos completamente não supervisionados para seleção e combinação de listas ranqueadas. As abordagens foram avaliadas em cinco coleções de imagens e diversos descritores. Foram obtidos resultados comparáveis ou superiores ao estado-da-arte na maioria dos cenários analisados.
publishDate 2019
dc.date.none.fl_str_mv 2019-03-20T16:37:35Z
2019-03-20T16:37:35Z
2019-03-01
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/181113
000913960
33004153073P2
url http://hdl.handle.net/11449/181113
identifier_str_mv 000913960
33004153073P2
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1854954647131783168

Registros relacionados