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. Los métodos más tradicionales y comunes de recuperación de imágenes utilizan algún método para agregar metadatos como subtítulos , palabras clave , títulos o descripciones a las imágenes para 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 esto, 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 microcomputadora 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 una encuesta de 2008 documentó los avances después de 2007. [2]
Todos los sistemas de recuperación de imágenes a partir de 2021 fueron diseñados para imágenes 2D, no 3D.
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 palabra 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 podría ser metaetiquetas, distribución de color en imágenes, atributos de región/forma, etc.
- Metabúsqueda de imágenes : búsqueda de imágenes basada en metadatos asociados, como palabras clave, texto, etc.
- Recuperación de imágenes basada en contenido (CBIR): la aplicación de la visión por computadora a la recuperación de imágenes. CBIR tiene como objetivo evitar el uso de descripciones textuales y, en cambio, recupera imágenes basándose en 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 contenido visual de imágenes basado en imágenes, como color, textura, forma/objeto, etc.
Alcance de los datos
Es crucial comprender el alcance y la naturaleza de los datos de imágenes para determinar la complejidad del diseño del sistema de búsqueda de imágenes. El diseño también está influenciado en gran medida por factores como la diversidad de la base de usuarios y el tráfico de usuarios esperado para un sistema de búsqueda. A lo largo de 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 de dominio específico : se trata de una colección homogénea que proporciona acceso a usuarios controlados con objetivos muy específicos. Ejemplos de dicha colección son las bases de datos biomédicas y de imágenes satelitales.
- Colección empresarial : una colección heterogénea de imágenes a la que pueden acceder los usuarios dentro de la intranet de una organización. Las imágenes pueden almacenarse en muchas ubicaciones diferentes.
- Colección personal : generalmente consiste en una colección en gran medida homogénea y generalmente es de tamaño pequeño, accesible principalmente a su propietario y generalmente almacenada en un medio de almacenamiento local.
- Web : las imágenes de la World Wide Web son accesibles para todos los que tengan una conexión a Internet. Estas colecciones de imágenes son semiestructuradas, no homogéneas y de gran volumen, y normalmente se almacenan en grandes matrices de discos.
Evaluaciones
Existen talleres de evaluación de sistemas de recuperación de imágenes con el objetivo de investigar y mejorar el rendimiento de dichos sistemas.
- ImageCLEF: una pista continua del Foro de evaluación de idiomas cruzados que evalúa sistemas utilizando métodos de recuperación tanto de texto como de imágenes puras.
- Acceso basado en contenido de bibliotecas de imágenes y vídeos: una serie de talleres del IEEE de 1998 a 2001.
Ver también
Referencias
- ^ SER Prasad; Un Gupta; HM Toong; SE Madnick (febrero de 1987). "Un sistema de gestión de bases de datos de imágenes basado en microcomputadora" (PDF) . Transacciones IEEE sobre electrónica industrial . 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 ACM . 40 (2): 1–60. doi :10.1145/1348246.1348248. S2CID 7060187.
- ^ Camargo, Jorge E.; Caicedo, Juan C.; González, Fabio A. (2013). "Un marco basado en kernel para la exploración de colecciones de imágenes". Revista de Computación y Lenguajes Visuales . 24 (1): 53–57. doi :10.1016/j.jvlc.2012.10.008.
enlaces externos
- Imagen-Net.org
- VGG Image Search Engine (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.
