Submitted by Aelson Maciera (aelsoncm@terra.com.br) on 2017-09-13T18:11:26Z
No. of bitstreams: 1
DissACC.pdf: 1668214 bytes, checksum: 82bf6ff6918613ce74cc691a951a22b0 (MD5) / Approved for entry into archive by Ronildo Prado (bco.producao.intelectual@gmail.com) on 2018-01-25T17:53:52Z (GMT) No. of bitstreams: 1
DissACC.pdf: 1668214 bytes, checksum: 82bf6ff6918613ce74cc691a951a22b0 (MD5) / Approved for entry into archive by Ronildo Prado (bco.producao.intelectual@gmail.com) on 2018-01-25T17:54:04Z (GMT) No. of bitstreams: 1
DissACC.pdf: 1668214 bytes, checksum: 82bf6ff6918613ce74cc691a951a22b0 (MD5) / Made available in DSpace on 2018-01-25T18:00:35Z (GMT). No. of bitstreams: 1
DissACC.pdf: 1668214 bytes, checksum: 82bf6ff6918613ce74cc691a951a22b0 (MD5)
Previous issue date: 2017-04-18 / Não recebi financiamento / One of the ways to recover images in a database is through similarity queries. Using characteristics
extracted from these images, such as color, shape or texture, this work seeks to
identify similarities to a central query element. However, the results may be very similar to
each other, which is not always the expected result. In addition to the redundancy in the results,
the problem of the ’semantic gap’, which is a divergence in the evaluation of similarity
between images performed by the computer considering its numerical representation (low
level characteristics) and the human perception about the image (high level characteristics).
In order to improve the quality of the results, we sought to minimize the issue of redundancy
and the ’semantic gap’ through the use of more than one descriptor in queries for similarity.
We sought to explore the inclusion of diversity using one descriptor to treat similarity and
another descriptor to treat diversity, more generally a metric space for similarity and another
for diversity. For the implementation of the query by similarity was used the consultation
to several neighbors closer. Considering that the descriptors may be distinct and one of
them may have greater numerical representativeness, it was necessary to do the normalization,
considering the methods of normalization by the greater distance and normalization
by the greater approximate distance with balancing by the intrinsic dimension. An exhaustive
search algorithm was used to perform the tests. The experiments were carried out in a
classified database. To evaluate the semantic quality of the results, a measure was proposed
that evaluates the inclusion of diversity considering the diversity present in the query only
considering the similarity and the maximum diversity that can be included. A comparison
was made between the result obtained and the considered ideal, which refers to the value of
l defined by the user himself. By comparing the results obtained with the results obtained
in the queries for a single descriptor, the evaluation of the included diversity followed the
trend of l, which allows to say that normalization and balancing is necessary. In addition,
it is intended in the future to study new ways of normalizing. / Uma das formas para se recuperar imagens em banco de dados, é através de consultas por
similaridade. Utilizando características extraídas dessas imagens, como cor, forma ou textura,
busca-se identificar semelhanças a um elemento central de consulta. No entanto, os
resultados nas consultas podem ser muito semelhantes entre si, o que nem sempre é o resultado
esperado. Além da redundância nos resultados, deve-se destacar o problema do ‘gap
semântico’, que é a divergência na avaliação da similaridade entre imagens realizada pelo
computador considerando a sua representação numérica (características de baixo nível) e a
percepção humana sobre a imagem (características de alto nível). Com o objetivo de melhorar
a qualidade dos resultados nas consultas buscou-se minimizar a questão da redundância
e do ‘gap semântico’ através da utilização de mais de um descritor nas consultas por similaridade.
Buscou-se explorar a inclusão de diversidade utilizando-se um descritor para tratar
a similaridade e outro descritor para tratar a diversidade, mais genericamente, um espaço
métrico para similaridade e outro para a diversidade. Para a implementação da consulta por
similaridade utilizou-se a consulta aos vizinhos diversos mais próximos. Considerando-se
que os descritores utilizados podem ser distintos e que um deles possa ter maior representatividade
numérica do que o outro, foi necessário fazer a normalização, sendo considerados os
métodos da normalização pela maior distância e normalização pela maior distancia aproximada
com balanceamento pela dimensão intrínseca. Para a realização dos testes utilizou-se
um algoritmo de busca exaustiva. Os experimentos foram realizados em uma base de dados
classificada. Para avaliar a qualidade semântica dos resultados foi proposta uma medida
que avalia a inclusão de diversidade considerando a diversidade presente na consulta apenas
considerando a similaridade e a diversidade máxima que pode ser incluída. Foi feita
uma comparação entre o resultado obtido e o considerado ideal, que refere-se ao valor de
l definido pelo próprio usuário. Comparando-se os resultados alcançados com os resultados
obtidos nas consultas para um único descritor, a avaliação da diversidade incluída
acompanhou a tendência de l, o que permite dizer que a normalização e balanceamento é
necessário. Além disso, pretende-se futuramente estudar novas formas de normalizar.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufscar.br:ufscar/9303 |
| Date | 18 April 2017 |
| Creators | Cardoso, Ana Claudia |
| Contributors | Bueno, Renato |
| Publisher | Universidade Federal de São Carlos, Câmpus São Carlos, Programa de Pós-graduação em Ciência da Computação, UFSCar |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFSCAR, instname:Universidade Federal de São Carlos, instacron:UFSCAR |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds