Recuperação de Imagens baseada no Conteúdo (CBIR - Content Based Image Retrieval) consiste genericamente em métodos capazes de organizar e recuperar imagens por meio da análise do seu conteúdo visual.
Voltar ao topo
Dataset
Para a aplicação de técnicas de CBIR foi criado um dataset com imagens de diversos departamentos da universidade, totalizando 11 departamentos fotografados 30 vezes cada. Dessa forma, cada departamento representa uma classe do dataset. Exemplos com 5 fotos de cada departamento são exibidos a seguir:
Administração do IB
Bloco de aulas do IB
Bloco de aulas do IGCE
Biblioteca
Departamento de Botânica
DEMAC
Departamento da Ecologia
Departamento da Física
Departamento da Geografia
Administração do IGCE
UNESPetro
O dataset completo pode ser baixado aqui
Voltar ao topo
Resultados Visuais
A seguir são apresentadas exemplos de resultados poitivos de recuperação obtidos por diferentes descritores visuais da biblioteca LIRE.
Em borda verde está destacada a imagem de consulta seguida pelas listas de resultados obtidas.
SpyJCD
ACC
CEDD
SpyACC
SpyCEDD
FCTH
Voltar ao topo
Resultados Quantitativos
Foram realizadas análises quantitativas com objetivo de avaliar a eficácia dos descritores utilizados. Além disso, também avaliou-se os ganhos de eficácia obtidos pelo algoritmo RL-Sim em tarefas de re-ranqueamento (re-ranking) e combinação de descritores (rank aggregation). Um resumo dos resultados obtidos considerando métricas de Precisão e MAP (Mean Average Precision) é exibido abaixo. A tabela a esquerda apresenta os resultados dos descritores isolados e a direita representa os resultados obtidos pelo algoritmo RL-Sim.
Contato
Orientado: Leonardo Mendonça de Araújo
Email: leonardo_comp@outlook.com
Orientador: Prof. Dr. Daniel Guimarães Pedronette
E-mail: daniel@rc.unesp.br
Voltar ao topo