Recupero delle immagini: Sbloccare la potenza dei dati visivi
Di Fouad Sabry
()
Info su questo ebook
Che cos'è il recupero delle immagini
Un sistema di recupero delle immagini è un sistema informatico utilizzato per sfogliare, cercare e recuperare immagini da un ampio database di immagini digitali. I metodi più tradizionali e comuni di recupero delle immagini utilizzano alcuni metodi per aggiungere metadati come didascalie, parole chiave, titolo o descrizioni alle immagini in modo che il recupero possa essere eseguito sulle parole dell'annotazione. L'annotazione manuale delle immagini richiede tempo, è laboriosa e costosa; per risolvere questo problema, sono state condotte numerose ricerche sull'annotazione automatica delle immagini. Inoltre, l'aumento delle applicazioni web sociali e del web semantico hanno ispirato lo sviluppo di diversi strumenti di annotazione delle immagini basati sul web.
Come trarrai vantaggio
(I) Approfondimenti e convalide sui seguenti argomenti:
Capitolo 1: recupero di immagini
Capitolo 2: recupero di informazioni
Capitolo 3: immagine basata sul contenuto recupero
Capitolo 4: Annotazione automatica delle immagini
Capitolo 5: Google Immagini
Capitolo 6: Metaricerca delle immagini
Capitolo 7: Motore di ricerca visiva
Capitolo 8: Ricerca inversa di immagini
Capitolo 9: TinEye
Capitolo 10: Esplorazione della raccolta di immagini
(II) Rispondere alle principali domande del pubblico sul recupero delle immagini.
(III) Esempi reali dell'utilizzo del recupero delle immagini in molti campi.
A chi è rivolto questo libro
Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che desiderano andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di recupero di immagini.
Leggi altro di Fouad Sabry
Tecnologie Emergenti In Optoelettronica [Italian]
Correlato a Recupero delle immagini
Titoli di questa serie (100)
Equalizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRiduzione del rumore: Miglioramento della chiarezza, tecniche avanzate per la riduzione del rumore nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniRetinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSistema di gestione del colore: Ottimizzazione della percezione visiva negli ambienti digitali Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale subacquea: Esplorando le profondità della visione artificiale sotto le onde Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto del colore: Comprendere la percezione e la rappresentazione nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniOmografia: Omografia: trasformazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniScala dello spazio: Esplorare le dimensioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGruppo congiunto di esperti fotografici: Sfruttare la potenza dei dati visivi con lo standard JPEG Valutazione: 0 su 5 stelle0 valutazioniFunzione di corrispondenza dei colori: Comprendere la sensibilità spettrale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIstogramma dell'immagine: Svelare intuizioni visive, esplorare le profondità degli istogrammi delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniConsenso del campione casuale: Stima robusta nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevatore di bordi astuto: Svelare l'arte della percezione visiva Valutazione: 0 su 5 stelle0 valutazioniModello a colori: Comprendere lo spettro della visione artificiale: esplorare i modelli di colore Valutazione: 0 su 5 stelle0 valutazioniSpazio colore: Esplorare lo spettro della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniStima della posa del corpo articolato: Sbloccare il movimento umano nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMappatura dei colori: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevamento delle macchie: Scoprire modelli nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniProfilo colore: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione affine: Sbloccare le prospettive visive: esplorare la trasformazione affine nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di feature invarianti di scala: Svelare il potere della trasformazione delle caratteristiche invarianti su scala nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioni
Ebook correlati
Annotazione automatica delle immagini: Migliorare la comprensione visiva attraverso il tagging automatico Valutazione: 0 su 5 stelle0 valutazioniRecupero di immagini basato sul contenuto: Sbloccare i database visivi Valutazione: 0 su 5 stelle0 valutazioniRicerca inversa delle immagini: Svelare i segreti del riconoscimento visivo Valutazione: 0 su 5 stelle0 valutazioniRilevamento oggetti: Progressi, applicazioni e algoritmi Valutazione: 0 su 5 stelle0 valutazioniRiconoscimento ottico del Braille: Potenziare l'accessibilità attraverso l'intelligenza visiva Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRete di sensori visivi: Esplorare la potenza delle reti di sensori visivi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale: Approfondimenti sul mondo della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIl Data mining e gli algoritmi di classificazione Valutazione: 1 su 5 stelle1/5Esplorazione della raccolta di immagini: Svelare i paesaggi visivi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIl modello di riferimento per un Sistema informativo aperto per l’archiviazione = Open Archival Information System (OAIS) Reference Model Valutazione: 0 su 5 stelle0 valutazioniSoftware Afelio: Sbloccare la visione: esplorare le profondità del software Aphelion Valutazione: 0 su 5 stelle0 valutazioniCompressione dati: Sbloccare l'efficienza nella visione artificiale con la compressione dei dati Valutazione: 0 su 5 stelle0 valutazioniDiventare il best seller del mondo scrivendo e-book con l'intelligenza artificiale Valutazione: 0 su 5 stelle0 valutazioniMySQL: Guida Completa ai Database SQL per Principianti. Contiene Esempi di Codice ed Esercizi Pratici. Valutazione: 0 su 5 stelle0 valutazioniApp Inventor 2 con database MySQL Valutazione: 0 su 5 stelle0 valutazioniCreare una web survey. Guida pratica all'uso di LimeSurvey Valutazione: 0 su 5 stelle0 valutazioniVisualizza la sintesi: Esplorare le prospettive nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMySQL: Database SQL per Principanti: Programmazione Web, #1 Valutazione: 0 su 5 stelle0 valutazioniVirtual Experience: La realtà virtuale nel mondo dell’arte Valutazione: 0 su 5 stelle0 valutazioniSemplicemente database Valutazione: 0 su 5 stelle0 valutazioniStima della posa del corpo articolato: Sbloccare il movimento umano nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSegmentazione delle immagini: Sbloccare insight grazie alla precisione dei pixel Valutazione: 0 su 5 stelle0 valutazioniL'era dell'Intelligenza Artificiale: Come l'AI sta rivoluzionando le nostre vite Valutazione: 0 su 5 stelle0 valutazioniAI nel Business: Guida Pratica all'Uso dell'Intelligenza Artificiale in Diverse Settori Valutazione: 0 su 5 stelle0 valutazioniGrafica computerizzata: Esplorando l'intersezione tra computer grafica e visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniCalcolo fisico: Esplorare la visione artificiale nell'informatica fisica Valutazione: 0 su 5 stelle0 valutazioni
Intelligenza artificiale e semantica per voi
ANonniMus: Vecchi rivoluzionari contro giovani robot Valutazione: 0 su 5 stelle0 valutazioniIl Terzo Like Valutazione: 0 su 5 stelle0 valutazioniGuida Intelligenza Artificiale Valutazione: 0 su 5 stelle0 valutazioni
Recensioni su Recupero delle immagini
0 valutazioni0 recensioni
Anteprima del libro
Recupero delle immagini - Fouad Sabry
Capitolo 1: Recupero delle immagini
Per visualizzare, cercare e recuperare immagini digitali da un database di grandi dimensioni, è necessario un sistema di recupero delle immagini. La maggior parte degli approcci comuni e consolidati al recupero delle immagini si basa sull'annotazione con metadati come didascalie, parole chiave, titoli e descrizioni. Poiché l'annotazione manuale delle immagini è un processo costoso e dispendioso in termini di tempo, sono stati condotti studi approfonditi sull'automazione del processo. Diversi strumenti di annotazione delle immagini basati sul web sono stati sviluppati anche come risultato diretto dell'ascesa delle applicazioni social web e del web semantico.
Banireddy Prasaad, Amar Gupta, Hoo-min Toong e Stuart Madnick del MIT hanno creato il primo sistema di recupero di database di immagini basato su microcomputer negli anni '90.
A partire dall'anno 2021, non sono stati costruiti sistemi di recupero delle immagini per le immagini 3D, ma solo quelli 2D.
Per trovare le immagini, è possibile utilizzare una tecnica di ricerca dei dati chiamata ricerca di immagini
. Un utente può eseguire una ricerca di immagini inserendo una parola chiave, selezionando un file/collegamento immagine o facendo clic su un'immagine; Il sistema restituirà quindi risultati simili
alla selezione dell'utente. I meta tag, la distribuzione del colore nelle immagini, gli attributi di regione/forma, ecc. potrebbero fungere da somiglianza utilizzata per i criteri di ricerca.
Le immagini possono essere cercate in base ai loro metadati, che possono includere parole chiave, descrizioni e altro ancora.
L'uso della visione artificiale nel recupero delle immagini, noto anche come recupero di immagini basato sul contenuto (CBIR). L'obiettivo del recupero di immagini basato sul contenuto (CBIR) è quello di eliminare la necessità di descrizioni testuali recuperando immagini che condividono caratteristiche visive (trame, colori, forme e così via) con un'immagine di query o funzionalità di immagine specificate dall'utente.
I motori di ricerca che indicizzano i risultati in base alle caratteristiche visive delle immagini, come colore, texture, forma/oggetto e così via, sono inclusi nell'elenco dei motori CBIR.
Ricerca di immagini in una collezione utilizzando strategie di esplorazione non convenzionali.
Per valutare la difficoltà di progettare un sistema di ricerca di immagini, è fondamentale cogliere l'ampiezza e la profondità dei dati delle immagini. I design dei motori di ricerca sono fortemente influenzati da fattori come il numero previsto di utenti e i dati demografici di tali utenti. Lungo questo asse, possiamo classificare i risultati della ricerca come segue:
Archivi: in genere memorizzano grandi quantità di dati omogenei e specifici per argomento in un formato strutturato o semi-strutturato.
Le raccolte specifiche del dominio sono quelle omogenee e accessibili solo agli utenti autorizzati che lavorano per un insieme ristretto di obiettivi. Le banche dati nel campo della medicina e le immagini satellitari sono due tipi di tali collezioni.
Enterprise Collection si riferisce al database di immagini interno di un'organizzazione, che contiene un'ampia varietà di tipi di file. Ci sono numerose opzioni per l'archiviazione delle fotografie.
Una collezione personale è una collezione accessibile principalmente dal suo proprietario, è di dimensioni compatte ed è in genere archiviata localmente su un supporto di archiviazione.
Le immagini pubblicate sul World Wide Web possono essere visualizzate da chiunque abbia accesso al World Wide Web. Gli array di dischi di grandi dimensioni vengono in genere utilizzati per archiviare queste raccolte di immagini semi-organizzate, eterogenee e di grandi dimensioni.
Si