BDBComp
Parceria:
SBC
Realimentação de Relevância: Integração do Conhecimento do especialista com a Recuperação de Imagens por Conteúdo

Joselene MarquesAgma J. M. Traina

As técnicas de Realimentação de Relevância introduzem o usuário no processo de busca por similaridade de imagens baseadas em conteúdo. A iteração do usuário com o sistema permite trazer o conhecimento do especialista para o processo de representação da imagem exemplo usada como centro da consulta. Neste artigo propomos duas novas técnicas de Realimentação de Relevância. Os experimentos mostraram que as técnicas melhoram as consultas em até 45% após 5 iterações. A análise dos dados coletados a partir de experimentos com usuários mostrou que o reprocessamento da consulta leva menos de 1 segundo e o grau de satisfação com os resultados foi de 80% após 3 iterações em média. This paper introduces two novel relevance feedback (RF) techniques that integrated to a content-based image retrieval system improves the precision of the results up to 45% employing 5 iterations. Besides being effective, the techniques are efficient as they take less than one second to reprocess the queries at each iteration. The experiments show that the number of feedback iterations should go to up 3, but the first one holds the major gain in improvement. The user satisfaction achieved 80% after an average of 3 RF cicles.

http://www.lbd.dcc.ufmg.br/colecoes/wim/2006/010.pdf

Caso o link acima esteja inválido, faça uma busca pelo texto completo na Web: Buscar na Web

Biblioteca Digital Brasileira de Computação - Contato: bdbcomp@lbd.dcc.ufmg.br
     Mantida por:
LBD