Anotação Computadorizada em Tempo Real de Imagens

Desenvolver métodos eficazes para a anotação automatizada de imagens digitais continua a ser um desafio para os cientistas da computação. A capacidade de anotar imagens por computadores pode levar a avanços em uma ampla gama de aplicações, incluindo busca de imagens na Web, comunidades de compartilhamento de fotos online e experimentos científicos. Neste trabalho, os autores desenvolveram novas técnicas de otimização e estimativa para abordar dois problemas fundamentais em aprendizado de máquina. Essas novas técnicas servem como base para o sistema de Indexação Linguística Automática de Imagens - Tempo Real (ALIPR), que realiza anotações totalmente automáticas e em alta velocidade para imagens online. Em particular, o método de agrupamento D2, no mesmo espírito que o k-means para vetores, foi desenvolvido para agrupar objetos representados por conjuntos de vetores ponderados. Além disso, uma técnica de modelagem de mistura generalizada (suavização por núcleo como um caso especial) para dados não vetoriais é desenvolvida utilizando o novo conceito de Mapeamento Local Hipotético (HLM). O ALIPR foi testado com milhares de imagens de um site de compartilhamento de fotos da Internet, que não estão relacionadas à fonte das imagens usadas no processo de treinamento. Seu desempenho também foi estudado em um site de demonstração online onde usuários arbitrários fornecem imagens de sua escolha e indicam a correção de cada palavra de anotação. Os resultados experimentais mostram que um único processador de computador pode sugerir termos de anotação em tempo real e com boa precisão.