Annotazione automatica delle immagini: Migliorare la comprensione visiva attraverso il tagging automatico

Di Fouad Sabry

Che cos'è l'annotazione automatica delle immagini

Il processo di assegnazione automatica dei metadati a un'immagine digitale sotto forma di didascalie o parole chiave viene definito annotazione automatica delle immagini. Questa procedura viene effettuata mediante sistemi informatici elettronici. L'applicazione delle tecniche di visione artificiale viene utilizzata nei sistemi di recupero delle immagini allo scopo di organizzare e individuare le immagini di interesse da un database.

Come trarrai vantaggio

(I) Approfondimenti e convalide sui seguenti argomenti:

Capitolo 1: Annotazione automatica delle immagini

Capitolo 2: Recupero delle informazioni

Capitolo 3: Recupero delle immagini

Capitolo 4: Recupero di immagini basato sul contenuto

Capitolo 5: Modello del sacco di parole nella visione artificiale

Capitolo 6: Rilevamento di oggetti

Capitolo 7: Rete di memoria globale

Capitolo 8: Conferenza sulla visione artificiale e il riconoscimento di modelli

Capitolo 9: Imparare a classificare

Capitolo 10: Automatico Riconoscimento del target

(II) Rispondere alle principali domande del pubblico sull'annotazione automatica delle immagini.

(III) Esempi reali dell'utilizzo dell'annotazione automatica 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 immagine automatica Annotazione.

 

 

• Lingua: Italiano
• Editore: Un Miliardo Di Ben Informato [Italian]
• Data di uscita: 5 mag 2024

Anteprima del libro

Capitolo 1: Annotazione automatica delle immagini

Il termine annotazione automatica dell'immagine si riferisce al processo mediante il quale un sistema informatico assegna automaticamente metadati a un'immagine digitale, come una didascalia o parole chiave. Le immagini di interesse possono essere rapidamente individuate e ordinate attraverso i database utilizzando questa applicazione di tecniche di visione artificiale.

Questa tecnica può essere pensata come una classificazione delle immagini multiclasse con un numero enorme di categorie, potenzialmente grandi quanto il vocabolario. Quando si tenta di annotare automaticamente nuove immagini, le tecniche di apprendimento automatico utilizzano in genere l'analisi delle immagini sotto forma di vettori di funzionalità estratte e parole di annotazione di training. Sono state quindi sviluppate tecniche di traduzione automatica per tentare di tradurre il vocabolario testuale con il vocabolario visivo, o regioni raggruppate note come blob. Inizialmente, i metodi hanno appreso le correlazioni tra le caratteristiche dell'immagine e le annotazioni di addestramento. Metodi di classificazione, modelli di pertinenza e altri lavori correlati hanno seguito queste iniziative iniziali.

L'annotazione automatica delle immagini ha il sopravvento sul recupero delle immagini basato sul contenuto (CBIR) perché consente una formulazione più intuitiva delle query. Gli utenti di CBIR hanno attualmente il compito di trovare query di esempio o di cercare in base a concetti di immagine come colore e texture. Alcuni aspetti delle immagini utilizzate come esempi possono distrarre l'utente dall'idea che dovrebbe prendere in considerazione. L'annotazione manuale delle immagini per i metodi di recupero delle immagini tradizionali, come quelli utilizzati nelle librerie, è laboriosa e richiede molto tempo, soprattutto se si considerano le dimensioni e la crescita dei database di immagini esistenti.

{Fine Capitolo 1}

Capitolo 2: Recupero delle informazioni

Nell'informatica e nella scienza dell'informazione, il recupero delle informazioni (IR) è l'azione di individuare e selezionare un insieme di risorse da un sistema informativo che soddisfano una specifica esigenza di informazione. L'indicizzazione basata sul contenuto, ad esempio l'indicizzazione full-text, può essere utilizzata per le ricerche. La ricerca di informazioni in un documento, la ricerca di documenti, la ricerca di metadati che descrivono i dati e la ricerca di database di testi, immagini o suoni rientrano tutti nell'ambito del recupero delle informazioni.

Il sovraccarico di informazioni può essere mitigato con l'aiuto di sistemi automatizzati di recupero delle informazioni. L'accesso a libri, riviste e altri documenti è solo l'inizio di ciò che un sistema IR può fare per te. Le applicazioni IR più conosciute sono i motori di ricerca web.

Quando un utente o un ricercatore inserisce una query nel sistema, inizia il processo di recupero delle informazioni richieste. Le query sono espressioni strutturate di esigenze informative, come le stringhe di ricerca nei motori di ricerca online. Nel recupero delle informazioni, una query non sempre restituisce un elemento identificato in modo univoco. È più probabile che più oggetti corrispondano alla query, anche se la loro importanza relativa può variare.

Il termine oggetto si riferisce a tutto ciò che può essere trovato come record in un archivio dati. Il database viene utilizzato per rispondere alle query degli utenti. I risultati restituiti dal recupero delle informazioni possono corrispondere o meno alla query, a differenza delle query SQL tradizionali di un database, quindi i risultati sono in genere classificati. La ricerca di recupero delle informazioni differisce in modo significativo dalla ricerca nel database in quanto i risultati vengono classificati. Piuttosto che memorizzare i documenti veri e propri, un sistema IR utilizzerà spesso surrogati di documenti o metadati per rappresentare i documenti.

Nella maggior parte dei casi, i sistemi IR assegneranno un punteggio numerico a ciascun oggetto nel database in base a quanto corrisponde alla query. All'utente vengono quindi presentati gli elementi con il punteggio più alto. È possibile ripetere questa procedura fino