Conquering knowledge from images: improving image mining with region-based analysis and associated information

Abstract

Mineração de imagens, análise baseada em regiões, recuperação baseada em conteúdo, rastreamento de objetos.

Indexação Eficiente de Múltiplos Espaços Métricos para Otimização de Consultas por Similaridade

“…O uso de diversas representações, obtidas por mais de um FEM e utilizadas em conjunto, podem melhorar a semântica das consultas CBIR (BRANCATI; CAMASTRA, 2016), e os FEMs usados para representar as imagens são fortemente dependentes de seu domínio. Por exemplo, ocorrências de anormalidades pulmonares registradas em imagens de radiografia, podem ser bem representadas usando características de forma e textura (CAZZOLATO et al, 2019). Já úlceras cutâneas de pele registradas em fotografias apresentam padrões que são identificados com melhor precisão pelas representações locais de cores e texturas (DHARA et al, 2017;CHINO et al, 2020).…”

ORTree: Aumentando a eficiência de buscas por similaridade diversificadas por meio de particionamento de dados

“…O resultado esperado deste processo é um arranjo, chamado de vetor de características, que representa as informações extraídas. Uma descrição do que é um extrator de características é dada pela definição 2 (BÊDO, 2017;SOUZA, 2018;NOVAES;BENEDITO;SANTOS, 2019;CAZZOLATO, 2019).…”

“…Assim como as funções de distância, os extratores de características são desenvolvidos para um objetivo. Por exemplo, para imagens existem diferentes extratores baseados nas características de cor, textura ou forma, cada um deles tendo como objetivo coletar um tipo de informação (CAZZOLATO, 2019;MARTINEZ;KOENEN;PEREIRA, 2002). Portanto, a escolha da função de distância e do extrator de características deve ser feita levando em consideração a aplicação, pois essa escolha implica diretamente na qualidade dos resultados gerados (NOVAES;.…”