4. 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
14. 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
15. 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
16. 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
22. 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
23. 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
24. 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
30. 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