
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.