Un modèle vectoriel relationnel de recherche d'information adapté aux images

par Jean Martinet

Thèse de doctorat en Informatique

Sous la direction de Yves Chiaramella et de Philippe Mulhem.

Soutenue en 2004

à Grenoble 1 .

    mots clés mots clés


  • Résumé

    La démocratisation des systèmes d'acquisition d'images numériques, combinée à l'essor du Web, nécessite la définition de modèles et d systèmes de Recherche d'Information (RI) capables d'accéder rapidement aux images recherchées par des utilisateurs dans de grands volumes de données. L'objectif de ce travail est de définir un modèle de RI adapté aux images, en intégrant une sémantique riche pour 1 représentation de ces données visuelles et des requêtes des utilisateurs, tout en permettant l'application à de grands corpus. Notre proposition fusionne le modèle vectoriel de RI - modèle éprouvé en RI textuelle - avec le formalisme des Graphes Conceptuels (GC), en se fondant sur l'utilisation de graphes étoiles (GC élémentaires constitués d'une relation connectée à des concepts représentant les objets de l'image) comme descripteurs d'images. Une pondération originale de ces graphes étoiles (fondée sur la taille et la position des objets, ainsi que sur l'hétérogénéité des images) est définie et validée expérimentalement avec soin. Nous montrons que l'intégration de relations dans le modèle vectoriel par le biais des graphes étoiles augmente la précision du système, et la rend comparable à celle des systèmes basés sur la projection de graphes, tout en diminuant le temps de traitement des requêtes des utilisateurs.

  • Titre traduit

    A vector space model of information retrieval adapted to images


  • Pas de résumé disponible.


  • Résumé

    The increase of digital image acquisition devices, combined to the growth of the Web, requires the definition of Information Retrieval (IR) models and systems providing fast access to images searched by users among large amounts of data. The aim of our work is to define al IR model suited to images, integrating a rich semantics for representing these visual data as weil as users' queries, while allowing the application to large corpora. Our proposai merges the vector space model of IR - a widely tested model in textuallR - with the Conceptua Graph (CG) formalism, based on the use of star graphs (a star graph is an elementary CG made up of a single relation connected to som concepts representing image objects) as image descriptors. A novel weighting scheme (based on objects size, position, and image heterogeneity) is defined and carefully validated in the experiments. We show that integrating relations into the vector space model through star graphs increases the system precision, and that the results are comparable with graph projection systems, while decreasing the processing time for users' queries.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (VI-166 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 155-166

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Service interétablissements de Documentation (Saint-Martin d'Hères, Isère). Bibliothèque universitaire Joseph-Fourier.
  • Non disponible pour le PEB
  • Cote : TS04/GRE1/0232
  • Bibliothèque : Service interétablissements de Documentation (Saint-Martin d'Hères, Isère). Bibliothèque universitaire Joseph-Fourier.
  • Disponible pour le PEB
  • Cote : TS04/GRE1/0232/D
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.