211service.com
Recherche d'images meilleure et plus précise
Des chercheurs de l'Université de Californie à San Diego (UCSD) ont développé une nouvelle méthode de recherche d'images qui, selon eux, surpasse les approches existantes par une marge significative en termes de précision et d'efficacité. L'approche des chercheurs modifie une méthode d'apprentissage automatique typique utilisée pour entraîner les ordinateurs à reconnaître les images, explique Nuno Vasconcelos, professeur de génie électrique et informatique à l'UCSD. Le résultat est un moteur de recherche qui étiquette automatiquement les images avec les noms des objets qu'elles contiennent, tels que radis, parapluie ou nageur. Et parce que l'approche utilise des mots pour étiqueter et classer des parties d'images, elle se prête bien aux recherches de mots clés typiques que les gens effectuent sur le Web, explique Vasconcelos.
Trouver des photos : Un nouvel algorithme développé à l'UCSD qui ajoute des mots clés aux images peut augmenter la précision et l'efficacité de la recherche d'images. Ci-dessus, les éléments d'une image se voient attribuer une probabilité d'appartenir à certaines catégories, telles que l'eau ou la personne.
Actuellement, la recherche d'images sur Internet à l'aide de mots-clés peut être aléatoire. En effet, la plupart des recherches basées sur des images utilisent des métadonnées - du texte, telles qu'un nom de fichier, une date ou d'autres informations de base associées à une image - qui peuvent être incomplètes, inutiles pour les recherches par mot-clé ou totalement absentes. Les informaticiens ont travaillé sur de meilleures façons d'identifier les images et de les rendre consultables depuis plus d'une décennie, mais amener les machines à aller au-delà des métadonnées et à déterminer quels objets se trouvent dans une image est un problème difficile à résoudre, et la plupart des efforts à ce jour n'ont fait que eu un succès modéré.
Bien que la recherche de l'UCSD ne résolve pas complètement le problème, elle améliore les performances et l'efficacité d'une certaine approche, explique Vasconcelos, et elle identifie certaines limites dans la façon dont les gens abordent le problème.
L'approche adoptée par les chercheurs est dite basée sur le contenu et consiste à décrire des objets dans une image en analysant des caractéristiques telles que la couleur, la texture et les lignes. Ces objets peuvent être représentés par des ensembles de caractéristiques puis comparés aux ensembles extraits d'autres images. Les ensembles de caractéristiques sont décrits par leurs statistiques et l'ordinateur recherche les correspondances statistiquement probables.
Multimédia
Recherche d'image
La nouvelle recherche est basée sur cette approche, mais elle ajoute une étape intermédiaire, explique Pedro Moreno, un ingénieur de recherche Google qui a travaillé sur le projet. Moreno explique que cette nouvelle étape fournit une étiquette sémantique, ou une étiquette de mot qui décrit des objets dans des images au lieu de s'appuyer uniquement sur des ensembles de nombres.
Par exemple, envisagez de soumettre une image d'un chien sur une pelouse. Les objets dans les images sont analysés et comparés aux résultats pour des catégories connues d'objets, tels que les chiens, les chats ou les poissons. Ensuite, l'ordinateur fournit une analyse statistique qui donne la probabilité qu'une image corresponde à ces catégories. Le système peut attribuer à l'image une probabilité de 60 % que l'objet principal est un chien et une probabilité de 20 % qu'il s'agit d'un chat ou d'un poisson. Ainsi, l'ordinateur estime que, selon toute vraisemblance, l'image contient une image d'un chien. L'idée clé est de représenter des images dans cet espace sémantique, dit Moreno. Cela semble améliorer considérablement les performances.
Le système des chercheurs a acquis son expertise en étant exposé à des milliers d'images comprenant des objets tels que des montagnes, des fleurs, des personnes, de l'eau et des tigres, ainsi que les balises sémantiques correspondant aux objets. Ensuite, les chercheurs ont testé les performances du système en l'exposant à de nouvelles images comprenant des objets qui n'étaient pas encore étiquetés. Comparé à la description humaine d'une scène, le système a bien fonctionné : une image d'un tigre dans de hautes herbes a incité le système à trouver un chat, un tigre, des plantes, des feuilles et de l'herbe. Une légende créée par l'homme comprenait un chat, un tigre, une forêt et de l'herbe. Et lorsque les chercheurs ont comparé les balises de leur système avec des approches basées sur le contenu plus typiques, ils ont constaté qu'il s'en sortait mieux d'environ 40 %. En d'autres termes, il produisait moins de mots qui n'étaient pas applicables à l'image.
Larry Zitnick, chercheur en recherche d'images chez Microsoft, affirme que la recherche repousse les limites de la recherche basée sur le contenu pour voir à quel point elle peut fonctionner. Ce qu'ils font, c'est analyser jusqu'où nous pouvons aller en fonction de [la recherche d'objets dans une image], et c'est vraiment bien pour repousser les limites. Il soupçonne également que l'approche pourrait bien fonctionner pour de grands ensembles d'images, comme celles sur Internet.
Zitnick ajoute que les résultats de l'UCSD pourraient être parfaits pour certains types de recherches d'objets simples dans les images. Cependant, cela ne fonctionnerait pas pour d'autres recherches, telles que la distinction du bâtiment du Capitole des États-Unis du bâtiment du Capitole de l'État à Lincoln, dans le NE. Les problèmes visuels sont très difficiles et je ne pense pas qu'une seule solution puisse tout résoudre, dit Zitnick.
Cependant, l'approche des chercheurs pourrait être utile si elle était intégrée à un logiciel de recherche existant, explique Chuck Rosenberg, un ingénieur logiciel de Google qui travaille sur la recherche d'images. Si elle est intégrée à la recherche sur ordinateur, l'approche pourrait permettre aux utilisateurs de rechercher des images en fonction de la similitude d'apparence. Mais cela n'aiderait pas nécessairement les gens à trouver des images basées sur des concepts plus obscurs tels que le bonheur. Par exemple, dit Rosenberg, je voudrais peut-être une photo d'une famille heureuse pour une promenade du soir pour mettre sur une carte que je fais. Pour qu'un ordinateur trouve vraiment cette image en se basant uniquement sur le contenu de l'image… est au-delà de la technologie actuelle.
Vasconcelos de l'UCSD pense qu'il faudra plus de cinq ans avant que les ordinateurs soient capables d'identifier des concepts plus difficiles, tels que le bonheur, en images. Mais cela ne signifie pas que les recherches actuelles ne seront pas utiles avant cette date, dit-il. L'attente doit être que [la technologie] ressemble plus à une aide, pas à une réponse.