Aprimoramento de sistemas de busca por imagens usando modelos de realimentação de relevâncias

Abstract

A recuperação de imagens refere-se à tarefa de buscar por imagens similares em uma base de dados a partir de outra imagem fornecida como consulta. Tal tarefa é realizada por sistemas denominados CBIR (do inglês Content-Based Image Retrieval). Tais sistemas de recuperação geram um ranking com as imagens mais similares, a partir de uma imagemconsulta, usando algum critério de similaridade baseado nas características intrínsecas relacionadas ao conteúdo visual da imagem, tais como: cor, forma e/ou textura. Porém, o uso de características extraídas automaticamente da imagem pode não ser o suficiente para associar o conteúdo de uma imagem ao seu significado, o que se reflete nos resultados de uma busca, afetando a satisfação do usuário do sistema. Este trabalho busca mitigar esse problema por meio do uso de modelos de Realimentação de Relevância, motivado pelos bons resultados relatados na literatura referentes ao uso de tais técnicas. A proposta desses modelos é utilizar a interação com o usuário a fim de aprimorar os resultados da busca. A ideia central do modelo é que o usuário forneça informações sobre quais imagens ele considera serem relevantes e/ou não-relevantes a partir de uma consulta inicial e, então, utilizar essa informação para aprimorar o ranking gerado pelo sistema. Este trabalho apresenta alguns conceitos e trabalhos relacionados com o tema em questão, bem como alguns testes experimentais realizados com o objetivo de comparar diferentes técnicas propostas na literatura e um método proposto que combina múltiplos centros de consulta e agregação de rankings para realizar a realimentação de relevância, esta possui desempenho melhor que a Movimentação de Objeto Consulta (QPM, do inglês Query Point Movement) e desempenho similar a técnica Relevance Feedback Multiple Projection em relação à precisão das consultas.