Введение
Поиск информации, включающий цифровые изображения
Система поиска изображений – это компьютерная система, используемая для просмотра, поиска и извлечения изображений из большой базы данных цифровых изображений. Большинство традиционных и распространенных методов поиска изображений используют тот или иной способ добавления метаданных, таких как подписи, ключевые слова, заголовки или описания к изображениям, чтобы поиск осуществлялся по этим аннотациям. Ручная аннотация изображений отнимает много времени, является трудоемкой и дорогостоящей; для решения этой проблемы было проведено большое количество исследований в области автоматической аннотации изображений. Кроме того, развитие социальных веб-приложений и семантической сети стимулировало разработку ряда веб-инструментов для аннотации изображений. Первая система извлечения изображений из базы данных на основе микрокомпьютера была разработана в Массачусетском технологическом институте (MIT) в 1990-х годах Баниредди Прасадом, Амаром Гуптой, Ху Мин Тунгом и Стюартом Мадником. Обзорная статья 2008 года зафиксировала прогресс, достигнутый после 2007 года. По состоянию на 2021 год все системы поиска изображений были разработаны для работы с 2D-изображениями, а не с 3D.
An image retrieval system is a computer system used for browsing, searching and retrieving images from a large database of digital images. Most traditional and common methods of image retrieval utilize some method of adding metadata such as captioning, keywords, title or descriptions to the images so that retrieval can be performed over the annotation words. Manual image annotation is time consuming, laborious and expensive; to address this, there has been a large amount of research done on automatic image annotation. Additionally, the increase in social web applications and the semantic web have inspired the development of several web based image annotation tools. The first microcomputer based image database retrieval system was developed at MIT, in the 1990s, by Banireddy Prasaad, Amar Gupta, Hoo min Toong, and Stuart Madnick. A 2008 survey article documented progresses after 2007. All image retrieval systems as of 2021 were designed for 2D images, not 3D ones.
Методы поиска
Поиск изображений — это специализированный поиск данных, используемый для нахождения изображений. Для поиска изображений пользователь может ввести поисковые запросы, такие как ключевые слова, файл изображения/ссылка, или выбрать изображение, и система вернет изображения, "похожие" на запрос. Критерии сходства могут основываться на метатегах, распределении цветов в изображениях, характеристиках областей/форм и т.д. Метапоиск изображений — поиск изображений на основе связанных метаданных, таких как ключевые слова, текст и т.д. Content-based image retrieval (CBIR) — применение компьютерного зрения для поиска изображений. CBIR направлен на исключение использования текстовых описаний и вместо этого поиск изображений на основе сходства их содержимого (текстур, цветов, форм и т.д.) с предоставленным пользователем изображением запроса или заданными пользователем характеристиками изображения. Список CBIR-систем — перечень систем, которые ищут изображения на основе визуального контента, такого как цвет, текстура, форма/объект и т.д. Исследование коллекций изображений — поиск изображений с использованием новых методов исследования.
Область применения данных
Для определения сложности проектирования системы поиска изображений необходимо понимать объем и природу данных изображений. На проектирование также в значительной степени влияют такие факторы, как разнообразие пользовательской аудитории и ожидаемый трафик для поисковой системы. В этом отношении поисковые данные можно классифицировать следующим образом:
Архивы обычно содержат большие объемы структурированных или полуструктурированных однородных данных, относящихся к конкретным темам. Коллекция, ориентированная на конкретную область (доменная коллекция), – это однородная коллекция, предоставляющая доступ ограниченному кругу пользователей с четко определенными задачами. Примеры таких коллекций – биомедицинские и спутниковые базы данных изображений. Корпоративная коллекция – это неоднородная коллекция изображений, доступная пользователям внутри корпоративной сети организации. Изображения могут храниться в различных местах. Личная коллекция обычно состоит из преимущественно однородных данных и, как правило, имеет небольшой размер, доступна в основном ее владельцу и обычно хранится на локальных носителях. Веб – изображения во Всемирной паутине доступны всем, у кого есть подключение к Интернету. Эти коллекции изображений полуструктурированы, неоднородны, очень велики по объему и обычно хранятся на больших дисковых массивах.
Archives usually contain large volumes of structured or semi structured homogeneous data pertaining to specific topics. Domain Specific Collection this is a homogeneous collection providing access to controlled users with very specific objectives. Examples of such a collection are biomedical and satellite image databases. Enterprise Collection a heterogeneous collection of images that is accessible to users within an organization's intranet. Pictures may be stored in many different locations. Personal Collection usually consists of a largely homogeneous collection and is generally small in size, accessible primarily to its owner, and usually stored on a local storage media. Web World Wide Web images are accessible to everyone with an Internet connection. These image collections are semi structured, non homogeneous and massive in volume, and are usually stored in large disk arrays.
Оценки
Существуют оценочные семинары для систем поиска изображений, направленные на исследование и улучшение их производительности. ImageCLEF – это постоянный трек Форума по кросс-языковой оценке, который оценивает системы, использующие как текстовые, так и методы поиска по изображениям. Серия семинаров IEEE по тематике Content-based Access of Image and Video Libraries проводилась с 1998 по 2001 год.