Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
General Framework Kapitel lesen Erstes Kapitel lesen

2011 | OriginalPaper | Buchkapitel

11. Interactive Image Retrieval

verfasst von : Dr. Alejandro Héctor Toselli, Dr. Enrique Vidal, Prof. Francisco Casacuberta

Erschienen in: Multimodal Interactive Pattern Recognition and Applications

Verlag: Springer London

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This chapter presents search methods for image retrieval which are boosted using the user’s supervision by means of the human–computer interaction methodology. Two contributions are presented which cover different aspects of this problem.
The first one deals with classical relevance feedback, content-based image retrieval, but with a formulation directly derived from the IPR paradigm adopted throughout this book. This formulation helps putting forward the improving role of “consistency” among the retrieved images. The second contribution considers the use of a complementary text-based “modality” to express the user relevance feedback information, which leads to improved retrieval results.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Interactive Text Generation
Nächstes Kapitel Prototypes and Demonstrators
Fußnoten
1
Since H′ can be the result of several interaction steps, the total number of supervised images, m, can be greater than the number of images retrieved in each interaction step, n.
 
2
We recall that only the notation Pr () stands for true probabilities; here we abuse the notation by letting P() denote arbitrary functions used as models.
 
Literatur
1.
Deselaers, T., Keysers, D., & Ney, H. (2008). Features for image retrieval: an experimental comparison. Information Retrieval, 11(2), 77–107. CrossRef
2.
Duda, R., & Hart, P. (1973). Pattern recognition and scene analysis. New York: Wiley.
3.
Escalante, H. J., Hérnadez, C. A., Sucar, L. E., & Montes, M. (2008). Late fusion of heterogeneous methods for multimedia image retrieval. In MIR’08: Proceeding of the 1st ACM international conference on multimedia information retrieval (pp. 172–179), New York, NY, USA. New York: ACM. CrossRef
4.
Faloutsos, C., Barber, R., Flickner, M., Hafner, J., Niblack, W., Petkovic, D., & Equitz, W. (1994). Efficient and effective querying by image content. Journal of Intelligent Information Systems, 3(3/4), 231–262. CrossRef
5.
Giacinto, G., & Rolli, F. (2004). Instance-based relevance feedback for image retrieval. In Neural information processing systems (NIPS), Vancouver, Canada.
6.
Jin, H., Tao, W., & Sun, A. (2008). Vast: Automatically combining keywords and visual features for web image retrieval. International Conference on Advanced Communication Technology, 3, 2188–2193.
7.
Lacoste, C., Chevallet, J. q. P., Lim, J. q. H., Le, D. T. H., Xiong, W., Racoceanu, D., Teodorescu, R., & Vuillemenot, N. (2006). Inter-media concept-based medical image indexing and retrieval with umls at ipal. In CLEF (pp. 694–701).
8.
Moënne-Loccoz, N., Bruno, E., & Marchand-Maillet, S. (2005). Interactive retrieval of video sequences from local feature dynamics. In Proceedings of the 3rd international workshop on adaptive multimedia retrieval, AMR’05, Glasgow, UK.
9.
Müller, H., Müller, W., Marchand-Maillet, S., & Squire, D. M. (2000). Strategies for positive and negative relevance feedback in image retrieval. In A. Sanfeliu, J. J. Villanueva, M. Vanrell, R. Alquezar, J. q. O. Eklundh & Y. Aloimonos (Eds.), Computer vision and image analysis: Vol. 1. Proceedings of the international conference on pattern recognition (ICPR’2000) (pp. 1043–1046), Barcelona, Spain.
10.
Paredes, R., Deselaers, T., & Vidal, E. (2008). A probabilistic model for user relevance feedback on image retrieval. In Proceedings of the 5th international workshop on machine learning for multimodal interaction, MLMI’08 (pp. 260–271). Berlin: Springer. CrossRef
11.
Rocchio, J. J. (1971). Relevance feedback in information retrieval. In G. Salton (Ed.), The SMART retrieval system: experiments in automatic document processing (pp. 313–323). New York: Prentice-Hall.
12.
Rooij, O. d., Snoek, C. G. M., & Worring, M. (2007). Query on demand video browsing. In ACM int. conf. on multimedia (pp. 811–814), Augsburg, Germany.
13.
Setia, L., Ick, J., & Burkhardt, H. (2005). Svm-based relevance feedback in image retrieval using invariant feature histograms. In IAPR workshop on machine vision applications (MVA), Tsukuba Science City, Japan.
14.
Smeulders, A. W. M., Worring, M., Santini, S., Gupta, A., & Jain, R. (2000). Content-based image retrieval at the end of the early years. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(12), 1349–1380. CrossRef
15.
Smith, J. R., & Chang, S. q. F. (1996). Tools and techniques for color image retrieval. In SPIE storage and retrieval for image and video databases (Vol. 2670, pp. 426–437).
16.
Swain, M. J., & Ballard, D. H. (1991). Color indexing. International Journal of Computer Vision, 7(1), 11–32. CrossRef
17.
Tamura, H., Mori, S., & Yamawaki, T. (1978). Textural features corresponding to visual perception. IEEE Transactions on Systems, Man, and Cybernetics, 8(6), 460–472. CrossRef
18.
Vasconcelos, N., & Lippman, A. (1998). Bayesian modeling of video editing and structure: Semantic features for video summarization and browsing. In ICIP (pp. 153–157), Chicago, IL, USA.
19.
Vidal, E., Rodríguez, L., Casacuberta, F., & García-Varea, I. (2007). Interactive pattern recognition. In LNCS: Vol. 4892. Proceedings of the 4th joint workshop on multimodal interaction and related machine learning algorithms (pp. 60–71), Brno, Czech Republic. CrossRef
20.
Zhou, X. S., & Huang, T. S. (2003). Relevance feedback in image retrieval: A comprehensive review. Multimedia Systems, 8, 536–544. CrossRef
Metadaten
Titel
Interactive Image Retrieval
verfasst von
Dr. Alejandro Héctor Toselli
Dr. Enrique Vidal
Prof. Francisco Casacuberta
Copyright-Jahr
2011
Verlag
Springer London
Buch
Multimodal Interactive Pattern Recognition and Applications

Print ISBN: 978-0-85729-478-4

Electronic ISBN: 978-0-85729-479-1

Copyright-Jahr: 2011

DOI
https://doi.org/10.1007/978-0-85729-479-1_11

Neuer Inhalt

    Bildnachweise