Anotación automática de imágenes: Mejorar la comprensión visual mediante el etiquetado automatizado

Por Fouad Sabry

Qué es la anotación automática de imágenes

El proceso de asignar automáticamente metadatos a una imagen digital en forma de subtítulos o palabras clave se conoce como anotación automática de imágenes. Este procedimiento se realiza mediante sistemas informáticos electrónicos. La aplicación de técnicas de visión por computadora se utiliza en sistemas de recuperación de imágenes con el fin de organizar y localizar imágenes de interés de una base de datos.

Cómo se beneficiará

(I) Insights y validaciones sobre los siguientes temas:

Capítulo 1: Anotación automática de imágenes

Capítulo 2: Recuperación de información

Capítulo 3: Recuperación de imágenes

Capítulo 4: Recuperación de imágenes basada en contenido

Capítulo 5: Modelo de bolsa de palabras en visión por computadora

Capítulo 6: Detección de objetos

Capítulo 7: Red de memoria global

Capítulo 8: Conferencia sobre visión por computadora y reconocimiento de patrones

Capítulo 9: Aprender a clasificar

Capítulo 10: Automático Reconocimiento de objetivos

(II) Respondiendo a las principales preguntas del público sobre la anotación automática de imágenes.

(III) Ejemplos del mundo real para el uso de la anotación automática de imágenes en muchos campos.

Para quién es este libro

Profesionales, estudiantes de pregrado y posgrado, entusiastas, aficionados y aquellos que quieran ir más allá del conocimiento o la información básica para cualquier tipo de Imagen Automática. Anotación.

 

 

• Idioma: Español
• Editorial: Mil Millones De Conocimientos [Spanish]
• Fecha de lanzamiento: 5 may 2024

Vista previa del libro

Capítulo 1: Anotación automática de imágenes

El término anotación automática de imágenes se refiere al proceso mediante el cual un sistema informático asigna automáticamente metadatos a una imagen digital, como un pie de foto o palabras clave. Las imágenes que sean de interés pueden ser localizadas y ordenadas rápidamente a través de bases de datos utilizando esta aplicación de técnicas de visión artificial.

Esta técnica se puede considerar como una clasificación de imágenes de varias clases con una gran cantidad de categorías, potencialmente tan grandes como el vocabulario. Al intentar anotar automáticamente nuevas imágenes, las técnicas de aprendizaje automático suelen utilizar el análisis de imágenes en forma de vectores de características extraídos y las palabras de anotación de entrenamiento. A continuación, se desarrollaron técnicas de traducción automática para intentar traducir el vocabulario textual con el vocabulario visual, o regiones agrupadas conocidas como blobs. Inicialmente, los métodos aprendieron las correlaciones entre las entidades de imagen y las anotaciones de entrenamiento. Los métodos de clasificación, los modelos de relevancia y otros trabajos relacionados siguieron a estas iniciativas iniciales.

La anotación automática de imágenes tiene ventaja sobre la recuperación de imágenes basada en contenido (CBIR) porque permite una formulación de consultas más intuitiva. Actualmente, los usuarios de CBIR tienen la tarea de encontrar consultas de ejemplo o buscar por conceptos de imagen como el color y la textura. Algunos aspectos de las imágenes utilizadas como ejemplos pueden distraer al usuario de la idea que debería estar considerando. La anotación manual de imágenes para los métodos tradicionales de recuperación de imágenes, como los que se utilizan en las bibliotecas, requiere mucho trabajo y tiempo, especialmente teniendo en cuenta el tamaño y el crecimiento de las bases de datos de imágenes existentes.

{Fin del capítulo 1}

Capítulo 2: Recuperación de información

En informática y ciencias de la información, la recuperación de información (RI) es la acción de localizar y seleccionar un conjunto de recursos de un sistema de información que satisfagan una necesidad específica de información. La indexación basada en contenido, como la indexación de texto completo, se puede utilizar para las búsquedas. La búsqueda de información en un documento, la búsqueda de documentos, la búsqueda de metadatos que describen datos y la búsqueda de bases de datos de textos, imágenes o sonidos se incluyen en el paraguas de la recuperación de información.

La sobrecarga de información se puede mitigar con la ayuda de sistemas automatizados de recuperación de información. El acceso a libros, revistas y otros documentos es solo el comienzo de lo que un sistema de IR puede hacer por usted. Las aplicaciones de IR más conocidas son los motores de búsqueda web.

Cuando un usuario o buscador introduce una consulta en el sistema, comienza el proceso de recuperación de la información solicitada. Las consultas son expresiones estructuradas de necesidades de información, como cadenas de búsqueda en los motores de búsqueda en línea. En la recuperación de información, una consulta no siempre da como resultado un elemento identificado de forma única. Es más probable que varios objetos coincidan con la consulta, aunque su importancia relativa puede variar.

El término objeto se refiere a cualquier cosa que se pueda encontrar como registro en un almacén de datos. La base de datos se utiliza para responder a las consultas de los usuarios. Los resultados devueltos por la recuperación de información pueden coincidir o no con la consulta, a diferencia de las consultas SQL tradicionales de una base de datos, por lo que los resultados suelen clasificarse. La búsqueda de recuperación de información difiere significativamente de la búsqueda en la base de datos en que los resultados se clasifican. En lugar de almacenar los documentos reales por sí mismos, un sistema de RI a menudo usará sustitutos de documentos o metadatos para representar los documentos.

En la mayoría de los casos, los sistemas de IR asignarán una puntuación numérica a cada objeto de la base de datos en función