z-logo
open-access-imgOpen Access
FUSÃO DE CARACTERÍSTICAS ADAPTATIVA POR CONSULTA PARA DIVERSIFICAÇÃO VISUAL
Author(s) -
Felipe Souza Cordeiro
Publication year - 2017
Publication title -
anais do ... seminário de iniciação científica/anais seminário de iniciação científica
Language(s) - Portuguese
Resource type - Journals
eISSN - 2595-0339
pISSN - 2175-8735
DOI - 10.13102/semic.v0i21.2265
Subject(s) - humanities , philosophy , art , physics
Com o aumento da popularização das tecnologias fica cada vez mais fácil adquirir umdispositivo capaz de capturar e armazenar dados. Esses dados são utilizados das mas diversasformas, entre eles, a utilização em redes sociais e sites, gerando a cada dia uma grandequantidade de conteúdos digitais multimídia. Estes conteúdos são explorados para várias áreas,como: sensoriamento remoto e análise forense. Logo, é preciso encontrar maneiras eficientes deretornar resultados relevantes as necessidades de cada usuário.Na recuperação de imagens, por exemplo, pode-se utilizar de informações textuais(metadados, palavras-chaves, etc) e descrições das propriedades visuais (cor, forma, textura, etc).No processo de recuperação de imagens, a relevância depende das intenções de busca do usuário.É comum que os descritores de conteúdo individualmente não representem da melhor maneira oconteúdo semântico de uma imagem. Esse problema é conhecido como gap semântico. Visandoamenizar este problema, descritores são combinados para adaptar as buscas às necessidades dosusuários (Atrey et al (2010), Calumby et al (2014)). É preciso definir dinamicamente quais asmelhores características que representam melhor uma consulta ou o nível de importância quecada característica disponível pode ter na definição de relevância de cada item da coleção dedados.Há dois tipos de técnicas para fusão de características: early fusion e late fusion. Aabordagem early fusion primeiro extrai as características referentes a cada uma das propriedadespara então as combinar. As abordagens baseadas em late fusion realizam a extração dascaracterísticas para cada uma das propriedades, mas os algoritmos de aprendizado são aplicados acada uma das propriedades em separado. O resultado é a classificação dos itens da base.O objetivo deste trabalho foi desenvolver um modelo de diversificação visual baseado emfusão de características de imagens. Foi utilizado o método de Algoritmos Genéticos (AG)(Goldberg, 1989) para desenvolvimento dinâmico e adaptativo por consulta, do modelo proposto,a fim de apresentar uma solução capaz de definir dinamicamente a importância que cadacaracterística possui na combinação dos descritores para recuperação multimodal, visual etextual.

The content you want is available to Zendy users.

Already have an account? Click here to sign in.
Having issues? You can contact us here