Improving CBIR systems by integrating semantic features
Notice bibliographique
Résumé
Nowadays, access to information requires to manage effectively multimedia databases, and among challenges offered to scientific community since last decades, multimedia retrieval techniques (particularly images retrieval) are became an active research direction. Introduced to overcome the main drawbacks encountered by text-based images retrieval, which are the subjective and manual annotation of images, content based images retrieval (CBIR) systems index images according to low-level visual features such as color, texture, shape to retrieve similar images. However, despite the progress achieved in the content based image retrieval, in particular with the relevance feedback approach where the user refine the search via the specification of relevant or not relevant items, the current CBIR systems still have a major difficulty that it has yet to overcome: how to negotiate the "semantic gap"? This problem comes from the mismatch between their capabilities and the needs of users. In this paper, we address the problem of how relate lowlevel features to high level to bring out semantic concepts from images. Our aim is to combine contentbased and metadata-based approaches for image retrieval from a user perspective to yield better results and overcome to the lacks of these techniques when they are taken separately. To represent the semantic content of images, we propose a model which takes account of the interaction between the user and the metadata. In particular, we model the semantic user' preference by analyzing its answers through the Relevance Feedback process. Furthermore, we introduce a new machine learning technique that modify the weights (i.e. relative importance) of metadata representing the semantic content of images.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».