Concatenación de representaciones compactas de imágenes en el problema de recuperación de imágenes
Tipo de material:
TextoDetalles de publicación: Valparaíso: UTFSM, 2014Descripción: xii, 44 p.: ilTipo de contenido: text Tipo de medio: unmediate Tipo de portador: volumeClasificación CDD: M INF Nota de disertación: Tesis ( Mag. en Ciencias de la Ing. Informática) -- (Ing. Civil Informática) -- Prof. Guía: Héctor Allende Resumen: La masicacion de las redes sociales y servicios como Flickr, sumado al bajo costo y creciente calidad de las camaras digitales, han contribuido al crecimiento exponencial de la cantidad de imagenes disponibles en internet; por lo que en los ultimos a~nos se le ha dado mayor enfasis al desarrollo de algoritmos capaces de tratar con millones de imagenes. Algunas de las aplicaciones que requieren este tipo de algoritmos son: clasicacion de imagenes, recuperacion de imagenes, reconocimiento de escenas, reconocimiento de hitos geogracos, reconocimiento de objetos y analisis de imagenes medicas y satelitales. Particularmente, el problema de buscar las imagenes mas relevantes respecto a una imagen de entrada tiene la necesidad de representar las imagenes de forma compacta, puesto que la memoria es un recurso limitado y se puede estar tratando con mas de un millon de imagenes. Igualmente se requieren tiempos de respuesta reducidos y una precision aceptable en los resultados. Combinar estos requerimientos es una tarea difcil que ha encontrado en los ultimos a~nos una respuesta en la representacion de la imagen a traves de la Bolsa de Caractersticas y recientemente en el Vector de Fisher. Un nicho que recien ha comenzado a ser explotado en los ultimos a~nos es el de combinacion de tipos de caractersticas. En la mayora de los problemas difciles de la computacion no existe un metodo capaz de resolver el problema en su totalidad, pero es frecuente que diferentes metodos se especialicen en porciones del problema. En este trabajo se le da especial atencion al muestreo de estas caractersticas en la imagen y se muestra que este proceso es relevante en el rendimiento de un sistema de recuperacion de imagenes. De forma particular, se expondra como combinar Vectores de Fisher obtenidos mediante descriptores muestreados de formas diferentes y como esto contribuye a mejorar la precision para un mismo uso de memoria. Los experimentos realizados verican los resultados en las bases de datos mas utilizadas del area.
| Tipo de ítem | Biblioteca actual | Colección | número de clasificación | Copia número | Estado | Notas | Fecha de vencimiento | Código de barras |
|---|---|---|---|---|---|---|---|---|
Memorias
|
Biblioteca Central | Memorias | M INF M322 2014 (Navegar estantería(Abre debajo)) | 1 | Disponible | DISPONIBLE A TRAVES DE REPOSITORIO INSTITUCIONAL | 3560900221845 | |
Memoria Recurso Digital
|
Biblioteca Central | Memorias | M INF M322 2014 (Navegar estantería(Abre debajo)) | 2 | Disponible | 3560900221842 |
Tesis ( Mag. en Ciencias de la Ing. Informática) -- (Ing. Civil Informática) -- Prof. Guía: Héctor Allende
La masicacion de las redes sociales y servicios como Flickr, sumado al bajo costo y creciente calidad de las camaras digitales, han contribuido al crecimiento exponencial de la cantidad de imagenes disponibles en internet; por lo que en los ultimos a~nos se le ha dado mayor enfasis al desarrollo de algoritmos capaces de tratar con millones de imagenes. Algunas de las aplicaciones que requieren este tipo de algoritmos son: clasicacion de imagenes, recuperacion de imagenes, reconocimiento de escenas, reconocimiento de hitos geogracos, reconocimiento de objetos y analisis de imagenes medicas y satelitales. Particularmente, el problema de buscar las imagenes mas relevantes respecto a una imagen de entrada tiene la necesidad de representar las imagenes de forma compacta, puesto que la memoria es un recurso limitado y se puede estar tratando con mas de un millon de imagenes. Igualmente se requieren tiempos de respuesta reducidos y una precision aceptable en los resultados. Combinar estos requerimientos es una tarea difcil que ha encontrado en los ultimos a~nos una respuesta en la representacion de la imagen a traves de la Bolsa de Caractersticas y recientemente en el Vector de Fisher. Un nicho que recien ha comenzado a ser explotado en los ultimos a~nos es el de combinacion de tipos de caractersticas. En la mayora de los problemas difciles de la computacion no existe un metodo capaz de resolver el problema en su totalidad, pero es frecuente que diferentes metodos se especialicen en porciones del problema. En este trabajo se le da especial atencion al muestreo de estas caractersticas en la imagen y se muestra que este proceso es relevante en el rendimiento de un sistema de recuperacion de imagenes. De forma particular, se expondra como combinar Vectores de Fisher obtenidos mediante descriptores muestreados de formas diferentes y como esto contribuye a mejorar la precision para un mismo uso de memoria. Los experimentos realizados verican los resultados en las bases de datos mas utilizadas del area.
CONSULTE EN LINEA A TRAVES DE REPOSITORIO INSTITUCIONAL