SlideShare una empresa de Scribd logo
1 de 30
Descargar para leer sin conexión
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Expos´e Multim´edia
Indexation d’Images
Abderrahman AIT ALI & Tom BOSC
ENSIMAG
24 mars 2013
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
1 Introduction
2 Extraction des descripteurs
3 Recherche
4 D´emonstrations
5 Bibliographie
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Plan
1 Introduction
2 Extraction des descripteurs
3 Recherche
4 D´emonstrations
5 Bibliographie
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Croissance exponentielle des contenus multimedia
Explosion au niveau :
De la production de contenu multim´edia num´erique
Du nombre d’outil de publication et de partage de
contenus (1.42 Millions de photos ajout´ees sur Flickr
chaque jour !)
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Besoins
Nous avons besoin d’un syst´eme permettant :
La recherche rapide d’un contenu
La recherche pr´ecise d’un contenu
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Applications
Sur les images :
Criminalistique : Reconnaissance d’empreintes, faciale,
Contrefa¸cons
Biom´edical : d´etection d’organes, diagnostic
Robotique : Localisation, reconnaissance
d’objets/visages
Imag´erie sat´ellitaire et cartographie
etc ...
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Propagation des tags
Une premi`ere solution !
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Recherche d’image sur le texte accompagnant
l’image
Les inconv´enients :
Limitation du langage
Peu ´efficace
Tr`es fastidieuse (car manuelle !)
etc ...
→ Non trait´e ici
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Recherche d’image par le contenu
Difficult´es
Invariance par rotation, translation, mise `a l’´echelle,
assombrissement, flou, ...
Recherche rapide dans une base de donn´ee tr`es grande
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
C’est ´etonnant
Un exemple pour se convaincre (m´ethode d’indexation SIFT)
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Etapes g´en´erales d’un syst`eme d’indexation
d’images
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Plan
1 Introduction
2 Extraction des descripteurs
3 Recherche
4 D´emonstrations
5 Bibliographie
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
D´etection des points-cl´es
M´ethode de diff´erence de gaussiennes (DoG)
Soustrait deux images filtr´ees avec des gaussiennes de
variance diff´erentes. Agit comme un filtre passe-bande.
Exemple :
R´esultat : points-cl´es
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Coordonn´ees et filtrage
L’espace des ´echelles
Coordonn´ees classique + facteur d’´echelle : (x, y, σ)
Le facteur d’´echelle correspond `a une fr´equence qui
passe par le filtre pr´ec´edent
Filtrage interm´ediaire
On enl`eve les points :
situ´es sur les arˆetes : tr`es sensibles au bruit
de faible contraste (seuillage sur le DoG)
R´esultat : point-cl´es invariants par changement d’´echelle
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Histogramme des orientations
A tout point du voisinage d’un point-cl´e donn´e, on
calcul un angle d’orientation
Ces angles forment un histogramme sur 32 intervalles
que l’on associe au point-cl´e
R´esultat : point-cl´es invariants par changement d’´echelle
et par rotation
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Descripteurs des points-cl´es
L’image σ est divis´e en 16 carr´es de 16 pixels
Pour chacun de ces carr´es, on calcule un histogramme
d’orientation `a 8 intervalles
Ces angles forment un histogramme que l’on associe au
point-cl´e
Les descripteurs SIFT sont `a 16 ∗ 8 = 128 dimensions
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
D’autres m´ethodes
Autres m´ethodes d’extraction de descripteurs d’une image :
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Indexation (off-line)
Principe
- Parcours de la base des images
- Extraction des descripteurs
- Cr´eation d’une base d’index ou de descripteurs
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Plan
1 Introduction
2 Extraction des descripteurs
3 Recherche
4 D´emonstrations
5 Bibliographie
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Etape de recherche (on-line)
Sch´ema d’un syst`eme d’indexation
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Objectifs et Outils
Objectifs
Recherche des images : rapidement + pertinemment
Outils
Structure des Bases de donn´ees
Mesure de similitude
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Structure des Bases de donn´ees
Deux BdDs
BdDs des images elle-mˆeme
BdDs des descripteurs d’images (en g´en´eral des
vecteurs de grandes dimensions)
Plusieurs structures
Table de hachage, graphes ...
Structures d’arbres : arbre SS, arbre R, kd-arbre
(utilis´e en SIFT) ...
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Recherche et Mesures de similitude
Recherche
La recherche des ’bons’ descripteurs
Plusieurs algorithme de parcours (ex : Best Bin First
en SIFT)
D´epend de la structure de la BdD
D´epend de la mesure de distance choisie
Seuil de tol´erance
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Recherche et Mesure de similitude
Mesure de similitude
Il s’agit des distances entre vecteurs (ou descripteurs) :
Mesures de distance
Distances de Minkowsky : (sumd
i=1|vi − wi|r
)1/r
En particulier : Distance Manhattan(r = 1),
Euclidienne (r = 2)..., Maximum (r = ∞)
Autres distances : Mahalanobis, quadratique ...
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
´Evaluation des performances
Propri´et´es
´Evaluation d’un syst´eme d’indexation au niveau de :
- La pertinence : Pr´ecision des resultats ...
- La rapidit´e : Le temps de recherche des r´esultats ...
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
´Evaluation et Performances
´Evaluation
Pr´ecision
Pr =
(corrects) (trouves)
trouves
Rappel (Recall)
Re =
(corrects) (trouves)
corrects
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Plan
1 Introduction
2 Extraction des descripteurs
3 Recherche
4 D´emonstrations
5 Bibliographie
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
D´emonstration
Recherche d’image Coca-Cola
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Plan
1 Introduction
2 Extraction des descripteurs
3 Recherche
4 D´emonstrations
5 Bibliographie
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia
Introduction
Extraction des descripteurs
Recherche
D´emonstrations
Bibliographie
Explications
- http ://fr.wikipedia.org/wiki/Indexation automatique
de documents
- http ://fr.wikipedia.org/wiki/Scale-invariant feature
transform
- http ://fr.wikipedia.org/wiki/Recherche d’image par le
contenu
Exemples de sites de d´emos
www.tineye.com http ://bigimbaz.inrialpes.fr/
Abderrahman AIT ALI & Tom BOSC Expos´e Multim´edia

Más contenido relacionado

La actualidad más candente

Introduction aux bases de données
Introduction aux bases de donnéesIntroduction aux bases de données
Introduction aux bases de donnéesAbdoulaye Dieng
 
Les algorithmes de génération des règles d association
Les algorithmes de génération des règles d associationLes algorithmes de génération des règles d association
Les algorithmes de génération des règles d associationHajer Trabelsi
 
Alphorm.com Formation Big Data & Hadoop : Le Guide Complet
Alphorm.com Formation Big Data & Hadoop : Le Guide CompletAlphorm.com Formation Big Data & Hadoop : Le Guide Complet
Alphorm.com Formation Big Data & Hadoop : Le Guide CompletAlphorm
 
Formation python
Formation pythonFormation python
Formation pythonj_lipaz
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataLilia Sfaxi
 
Introduction à l’orienté objet en Python
Introduction à l’orienté objet en PythonIntroduction à l’orienté objet en Python
Introduction à l’orienté objet en PythonAbdoulaye Dieng
 
Réseaux de neurones récurrents et LSTM
Réseaux de neurones récurrents et LSTMRéseaux de neurones récurrents et LSTM
Réseaux de neurones récurrents et LSTMJaouad Dabounou
 
Ia project Apprentissage Automatique
Ia project Apprentissage AutomatiqueIa project Apprentissage Automatique
Ia project Apprentissage AutomatiqueNizar Bechir
 
Les reseaux profonds
Les reseaux profondsLes reseaux profonds
Les reseaux profondsStany Mwamba
 
TP1 Big Data - MapReduce
TP1 Big Data - MapReduceTP1 Big Data - MapReduce
TP1 Big Data - MapReduceAmal Abid
 
Cours Big Data Chap4 - Spark
Cours Big Data Chap4 - SparkCours Big Data Chap4 - Spark
Cours Big Data Chap4 - SparkAmal Abid
 
Introduction à la big data v3
Introduction à la big data v3 Introduction à la big data v3
Introduction à la big data v3 Mehdi TAZI
 

La actualidad más candente (20)

Introduction aux bases de données
Introduction aux bases de donnéesIntroduction aux bases de données
Introduction aux bases de données
 
Introduction à Python
Introduction à PythonIntroduction à Python
Introduction à Python
 
Les algorithmes de génération des règles d association
Les algorithmes de génération des règles d associationLes algorithmes de génération des règles d association
Les algorithmes de génération des règles d association
 
Hadoop
HadoopHadoop
Hadoop
 
Tp n 6 linux
Tp n 6 linuxTp n 6 linux
Tp n 6 linux
 
Alphorm.com Formation Big Data & Hadoop : Le Guide Complet
Alphorm.com Formation Big Data & Hadoop : Le Guide CompletAlphorm.com Formation Big Data & Hadoop : Le Guide Complet
Alphorm.com Formation Big Data & Hadoop : Le Guide Complet
 
Technologies pour le Big Data
Technologies pour le Big DataTechnologies pour le Big Data
Technologies pour le Big Data
 
Cours datamining
Cours dataminingCours datamining
Cours datamining
 
Formation python
Formation pythonFormation python
Formation python
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big Data
 
Hadoop
HadoopHadoop
Hadoop
 
Introduction à l’orienté objet en Python
Introduction à l’orienté objet en PythonIntroduction à l’orienté objet en Python
Introduction à l’orienté objet en Python
 
Réseaux de neurones récurrents et LSTM
Réseaux de neurones récurrents et LSTMRéseaux de neurones récurrents et LSTM
Réseaux de neurones récurrents et LSTM
 
Ia project Apprentissage Automatique
Ia project Apprentissage AutomatiqueIa project Apprentissage Automatique
Ia project Apprentissage Automatique
 
Les reseaux profonds
Les reseaux profondsLes reseaux profonds
Les reseaux profonds
 
Hive ppt (1)
Hive ppt (1)Hive ppt (1)
Hive ppt (1)
 
TP1 Big Data - MapReduce
TP1 Big Data - MapReduceTP1 Big Data - MapReduce
TP1 Big Data - MapReduce
 
Cours Big Data Chap4 - Spark
Cours Big Data Chap4 - SparkCours Big Data Chap4 - Spark
Cours Big Data Chap4 - Spark
 
Introduction au langage SQL
Introduction au langage SQLIntroduction au langage SQL
Introduction au langage SQL
 
Introduction à la big data v3
Introduction à la big data v3 Introduction à la big data v3
Introduction à la big data v3
 

Similar a Indexation image

Seminaire Recherche UPPA 2016
Seminaire Recherche UPPA 2016Seminaire Recherche UPPA 2016
Seminaire Recherche UPPA 2016Gilles Hubert
 
Journées ABES 2014 - Pourquoi fouiller les publications scientifiques ? Retou...
Journées ABES 2014 - Pourquoi fouiller les publications scientifiques ? Retou...Journées ABES 2014 - Pourquoi fouiller les publications scientifiques ? Retou...
Journées ABES 2014 - Pourquoi fouiller les publications scientifiques ? Retou...ABES
 
Outils de clustering diachronique pour analyser ́ l’ evolution de la product...
Outils de clustering diachronique pour analyser  ́ l’ evolution de la product...Outils de clustering diachronique pour analyser  ́ l’ evolution de la product...
Outils de clustering diachronique pour analyser ́ l’ evolution de la product...Nicolas Dugué
 
Génération automatique de texte
Génération automatique de texteGénération automatique de texte
Génération automatique de texteEstelle Delpech
 
Génération automatique de distracteurs dans le cadre de QCM
Génération automatique de distracteurs dans le cadre de QCMGénération automatique de distracteurs dans le cadre de QCM
Génération automatique de distracteurs dans le cadre de QCMThibault André
 

Similar a Indexation image (6)

Seminaire
SeminaireSeminaire
Seminaire
 
Seminaire Recherche UPPA 2016
Seminaire Recherche UPPA 2016Seminaire Recherche UPPA 2016
Seminaire Recherche UPPA 2016
 
Journées ABES 2014 - Pourquoi fouiller les publications scientifiques ? Retou...
Journées ABES 2014 - Pourquoi fouiller les publications scientifiques ? Retou...Journées ABES 2014 - Pourquoi fouiller les publications scientifiques ? Retou...
Journées ABES 2014 - Pourquoi fouiller les publications scientifiques ? Retou...
 
Outils de clustering diachronique pour analyser ́ l’ evolution de la product...
Outils de clustering diachronique pour analyser  ́ l’ evolution de la product...Outils de clustering diachronique pour analyser  ́ l’ evolution de la product...
Outils de clustering diachronique pour analyser ́ l’ evolution de la product...
 
Génération automatique de texte
Génération automatique de texteGénération automatique de texte
Génération automatique de texte
 
Génération automatique de distracteurs dans le cadre de QCM
Génération automatique de distracteurs dans le cadre de QCMGénération automatique de distracteurs dans le cadre de QCM
Génération automatique de distracteurs dans le cadre de QCM
 

Indexation image