Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/SLSS-7WMNMH
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Marcos Andre Goncalvespt_BR
dc.contributor.advisor-co1Ricardo da Silva Torrespt_BR
dc.contributor.referee1Ricardo da Silva Torrespt_BR
dc.contributor.referee2João Marcos Bastos Cavalcantipt_BR
dc.contributor.referee3Gisele Lobo Pappapt_BR
dc.creatorKatia Cristina Lage dos Santospt_BR
dc.date.accessioned2019-08-12T16:24:50Z-
dc.date.available2019-08-12T16:24:50Z-
dc.date.issued2009-05-29pt_BR
dc.identifier.urihttp://hdl.handle.net/1843/SLSS-7WMNMH-
dc.description.abstractThe developments in data storage and image acquisition technologies made the creation of huge databases or image collections possible. Moreover, the Web has been providing low cost and large scale acessibility to this material. Along with these factors, a variety of profitable activities demand image-based information. Typical examples are architectural projects, engineering and fashion designs, perfumes, new car models, marketing campaings and Internet sites, among others. All these needs explain the increasing in the interest in organizing, indexing, and retrieving digital images in the last decade.This problem can be simply described as follows: given a textual or a image-based query, supplied by the user to a system which contains a image database, define the most relevant answer-set to the query.This is a challenging task due to the difficulty in extracting from the image sources the `best' information needed for their representation and indexing. This work presents a evolutionary framework for image retrieval based on the combination of multiple textual sources of evidence. It explores the Genetic Programming concepts, based on the continuous improvement of the solution quality for a given problem. Therefore, our motivation is to contribute with the development of search mecanisms capable of representing, in a more reliable manner, images in the the WWW. As a pratical result, a query made to this system will have more relevant images as result, increasing the user satisfaction and confidence on the search system.Experiments performed with a collection extracted from the Web showed that, compared to the Bayesian Model presented in ~\citep{berthier} to solve the same problem, the evolutionary framework presents a performance twice as good, under precision, recall and MAP. These are important metrics to evaluate the quality of a image set returned from a query. Besides, the computational solution developed in this work presents great flexibility since the adition of new sources of evidences will be allowed with a minimum cost, besides the possibility to use the framework to retrieve images from other collections.pt_BR
dc.description.resumoOs avanços no armazenamento de dados e nas tecnologias para aquisição de imagens tornaram possível a criação de grandes bases ou coleções de imagens. Além disso, o enorme sucesso da Web tem proporcionado baixo custo e acessibilidade em larga escala deste material. Aliado a esses fatores, uma variedade de atividades lucrativas demandam transferência de informação baseada em imagem. Exemplos típicos são projetos arquitetônicos, desenhos de engenharia e de moda, perfumes, novos carros, campanhas de marketing, páginas da Internet, etc. Todas essas necessidades têm levado a um crescimento do interesse em organizar, indexar e consultar imagens digitais na última década.O problema conhecido na literatura relacionada como o Problema de Recuperação de Imagem pode ser enunciado da seguinte maneira: a partir de uma coleção formada por imagens, é realizada uma consulta por um usuário, sendo esta formada por evidências textuais e/ou de conteúdo relacionados a uma imagem, defina o conjunto-resposta mais relevante para aquela consulta. Esta tarefa é desafiadora, dada a dificuldade em se definir quais as evidências são as mais relevantes para a indexação de informações sobre as imagens da coleção. Uma dificuldade imediata consiste em ordenar o conjunto-resposta com relação a uma consulta do usuário.A partir da contextualização anterior, o presente trabalho apresenta um arcabouço evolucionário para recuperação de imagens. Este opera a partir da combinação de múltiplas evidências textuais e utiliza os preceitos da Programação Genética (PG), técnica da Inteligência Artificial. A PG é baseada na idéia de melhoramento contínuo da qualidade de uma solução para o problema em análise, a partir de soluções anteriores. Nossa motivação, portanto, é contribuir com o desenvolvimento de mecanismos de busca capazes de recuperar de uma maneira mais eficaz as imagens de uma coleção, no caso da World Wide Web. Como resultado prático, uma consulta realizada pelo usuário desse sistema de recuperação de imagens terá como resultado imagens mais relevantes sob a ótica do próprio usuário, aumentando assim o grau de satisfação e confiança do usuário no sistema de busca. Dentre os desafios advindos com a utilização dessa coleção podem ser mecionados: a heterogeneidade dos tipos de imagens, a inexistência de padronização no preenchimento das tags HTML onde as imagens são inseridas, a inclusão de referências incorretas para outro documento HTML, dentre outros. Experimentos realizados com uma coleção extraída da Web mostraram que, comparado com o Modelo Bayesiano apresentado em berthier, o arcabouço evolucionário apresentou um desempenho duas vezes maior, considerando as medidas de precisão, revocação e MAP. Estas são métricas importantes para avaliação da qualidade das imagens retornadas a partir de uma consulta. Além disso, a solução computacional desenvolvida neste trabalho apresenta uma grande flexibilidade, uma vez que em trabalhos futuros poderão ser adicionadas novas evidências com um custo mínimo de manutenção, além da possibilidade de ser empregada para a recuperação de imagens pertencentes a coleções existentes em outros contextos como uma coleção formada por imagens médicas.pt_BR
dc.languagePortuguêspt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectrecuperação de imagenspt_BR
dc.subjectwebpt_BR
dc.titleUma abordagem evolutiva para recuperação de imagens da webpt_BR
dc.typeDissertação de Mestradopt_BR
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
katialagedossantos.pdf1.4 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.