Recuperación de imágenes

Recuperación de información que involucra imágenes digitales

Un sistema de recuperación de imágenes es un sistema informático que se utiliza para explorar, buscar y recuperar imágenes de una gran base de datos de imágenes digitales. La mayoría de los métodos tradicionales y comunes de recuperación de imágenes utilizan algún método para agregar metadatos , como subtítulos , palabras clave , títulos o descripciones a las imágenes, de modo que la recuperación se pueda realizar sobre las palabras de anotación. La anotación manual de imágenes requiere mucho tiempo, es laboriosa y costosa; para abordar este problema, se ha realizado una gran cantidad de investigaciones sobre la anotación automática de imágenes. Además, el aumento de las aplicaciones web sociales y la web semántica han inspirado el desarrollo de varias herramientas de anotación de imágenes basadas en la web.

El primer sistema de recuperación de bases de datos de imágenes basado en microcomputadoras fue desarrollado en el MIT , en la década de 1990, por Banireddy Prasaad, Amar Gupta , Hoo-min Toong y Stuart Madnick . ^[1]

Un artículo de encuesta de 2008 documentó los avances después de 2007. ^[2]

Métodos de búsqueda

La búsqueda de imágenes es una búsqueda de datos especializada que se utiliza para encontrar imágenes. Para buscar imágenes, un usuario puede proporcionar términos de consulta como palabras clave, archivo/enlace de imagen o hacer clic en alguna imagen, y el sistema devolverá imágenes "similares" a la consulta. La similitud utilizada para los criterios de búsqueda puede ser metaetiquetas, distribución de color en imágenes, atributos de región/forma, etc.

Búsqueda de metadatos de imágenes : búsqueda de imágenes basada en metadatos asociados, como palabras clave, texto, etc.
Recuperación de imágenes basada en contenido (CBIR): aplicación de la visión artificial a la recuperación de imágenes. La CBIR tiene como objetivo evitar el uso de descripciones textuales y, en su lugar, recupera imágenes en función de las similitudes en su contenido (texturas, colores, formas, etc.) con una imagen de consulta proporcionada por el usuario o con características de imagen especificadas por el usuario.
- Lista de motores CBIR : lista de motores que buscan imágenes basadas en contenido visual de imágenes, como color, textura, forma/objeto, etc.

Exploración de colecciones de imágenes : búsqueda de imágenes basada en el uso de nuevos paradigmas de exploración. ^[3]

Alcance de los datos

Es fundamental comprender el alcance y la naturaleza de los datos de imágenes para determinar la complejidad del diseño de un sistema de búsqueda de imágenes. El diseño también está muy influido por factores como la diversidad de la base de usuarios y el tráfico de usuarios esperado para un sistema de búsqueda. En esta dimensión, los datos de búsqueda se pueden clasificar en las siguientes categorías:

Archivos : suelen contener grandes volúmenes de datos homogéneos estructurados o semiestructurados relacionados con temas específicos.
Colección específica de dominio : se trata de una colección homogénea a la que se puede acceder a través de un control de usuarios con objetivos muy específicos. Ejemplos de este tipo de colecciones son las bases de datos biomédicas y de imágenes satelitales.
Colección empresarial : una colección heterogénea de imágenes a la que pueden acceder los usuarios de la intranet de una organización. Las imágenes pueden almacenarse en muchas ubicaciones diferentes.
Colección personal : suele estar formada por una colección en gran medida homogénea y generalmente de pequeño tamaño, accesible principalmente para su propietario y habitualmente almacenada en un medio de almacenamiento local.
Web : las imágenes de la World Wide Web son accesibles para todos aquellos que tengan una conexión a Internet. Estas colecciones de imágenes son semiestructuradas, no homogéneas y de gran volumen, y suelen almacenarse en grandes conjuntos de discos.

Evaluaciones

Se realizan talleres de evaluación de sistemas de recuperación de imágenes cuyo objetivo es investigar y mejorar el rendimiento de dichos sistemas.

ImageCLEF: una actividad continua del Cross Language Evaluation Forum que evalúa sistemas que utilizan métodos de recuperación tanto textuales como de imágenes puras.
Acceso basado en contenido a bibliotecas de imágenes y vídeos: una serie de talleres IEEE de 1998 a 2001.

Véase también

Referencias

^ BE Prasad; A Gupta; HM Toong; SE Madnick (febrero de 1987). "Un sistema de gestión de bases de datos de imágenes basado en microcomputadoras" (PDF) . IEEE Transactions on Industrial Electronics . IE-34 (1): 83–8. doi :10.1109/TIE.1987.350929. S2CID 24543386.
^ Datta, Ritendra; Dhiraj Joshi; Jia Li ; James Z. Wang (abril de 2008). "Recuperación de imágenes: ideas, influencias y tendencias de la nueva era". Encuestas de computación de la ACM . 40 (2): 1–60. doi :10.1145/1348246.1348248. S2CID 7060187.
^ Camargo, Jorge E.; Caicedo, Juan C.; Gonzalez, Fabio A. (2013). "Un marco basado en kernel para la exploración de colecciones de imágenes". Journal of Visual Languages & Computing . 24 (1): 53–57. doi :10.1016/j.jvlc.2012.10.008.

Enlaces externos

Imagen-Net.org
Motor de búsqueda de imágenes VGG (VISE): un software gratuito y de código abierto para la búsqueda visual de una gran cantidad de imágenes utilizando una imagen como consulta de búsqueda.

[1] BE Prasad; A Gupta; HM Toong; SE Madnick (febrero de 1987). "Un sistema de gestión de bases de datos de imágenes basado en microcomputadoras" (PDF) . IEEE Transactions on Industrial Electronics . IE-34 (1): 83–8. doi :10.1109/TIE.1987.350929. S2CID 24543386.

[2] Datta, Ritendra; Dhiraj Joshi; Jia Li ; James Z. Wang (abril de 2008). "Recuperación de imágenes: ideas, influencias y tendencias de la nueva era". Encuestas de computación de la ACM . 40 (2): 1–60. doi :10.1145/1348246.1348248. S2CID 7060187.

[3] Camargo, Jorge E.; Caicedo, Juan C.; Gonzalez, Fabio A. (2013). "Un marco basado en kernel para la exploración de colecciones de imágenes". Journal of Visual Languages & Computing . 24 (1): 53–57. doi :10.1016/j.jvlc.2012.10.008.