La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

1 13/05/07 LIST – DTSI – Service Réalité virtuelle, Cognitique et Interfaces sensorielles Structures linguistiques pour la recherche dimages sur Internet.

Présentations similaires


Présentation au sujet: "1 13/05/07 LIST – DTSI – Service Réalité virtuelle, Cognitique et Interfaces sensorielles Structures linguistiques pour la recherche dimages sur Internet."— Transcription de la présentation:

1 1 13/05/07 LIST – DTSI – Service Réalité virtuelle, Cognitique et Interfaces sensorielles Structures linguistiques pour la recherche dimages sur Internet 14/10/2008 Directeur de thèse Ioannis Kanellos Encadrants CEA Pierre-Alain Moëllic Gregory Grefenstette Rapporteurs Florence Sèdes Bruno Bachimont Examinateur Pierre-François Marteau Adrian Popescu CEA LIST / Télécom Bretagne

2 2 13/05/007 DTSI 14/10/2008 Plan de la présentation Introduction Approche conceptuelle de la recherche dimages Structuration de connaissances Création de ressources Applications Conclusions et perspectives

3 3 13/05/007 DTSI Recherche dimages sur Internet Pratique courante associée aux moteurs de recherche dinformations Fonctionnalités de recherche dimages Grands acteurs de la recherche dinformations (Google Images, Yahoo! Images, Microsoft Live) Applications dédiées (Picsearch, Flickr) Recherches effectuées par un très grand nombre dutilisateurs Requêtes visant une grande diversité de sujets Corpus photographiques très vastes et en rapide croissance 14/10/2008

4 4 13/05/007 DTSI Systèmes actuels Indexation des images En exploitant le texte environnant dans les pages Web (Google Images) Effectuée par les utilisateurs (Flickr) Indexation peu coûteuse de grands volumes de données Mais… 3 grandes critiques sur les moteurs actuels Exclusivement textuelle et de bas niveau Pas ou peu de traitements dimages Moyens dinteraction avec les applications souvent inadaptés

5 5 13/05/007 DTSI Structures linguistiques Solution pour palier ces problèmes Faire évoluer les moteurs pour permettre un traitement non plus au niveau des chaînes de caractères, mais à un niveau symbolique Exploitation de structures sémantiques Conditions dexploitabilité (Nécessairement) à large échelle Couvrir le plus possible les requêtes des utilisateurs Bonne qualité des connaissances incluses Attente de plus en plus importante de la part des utilisateurs en terme de précision des réponses

6 6 13/05/007 DTSI Structures linguistiques existantes Ressources généralistes constituées manuellement WordNet (Fellbaum98) – base de données lexicale Structurée hiérarchiquement synsets nominaux Cyc (Guha91) – réseau sémantique recueillant des connaissances du sens commun Hiérarchie moins adéquate que celle de WordNet nœuds Ressources relatives à des domaines Geonames – base de données géographiques Structure hiérarchique et spatiale Six millions dentités géographiques UMLS – base de connaissances complexe relative au domaine médical

7 7 13/05/007 DTSI Construction automatique de structures linguistiques Constitution manuelle de ressources coûteuse Cognition (cognition.com) – 24 ans de travail pour constituer une carte sémantique de langlais Nombreux travaux visant lautomatisation du processus (Sanderson99) Mais La plupart des travaux visent des domaines précis Difficultés à assurer simultanément une bonne qualité des connaissances extraites et une bonne couverture du domaine ciblé Construction automatique de structures à large échelle (Grefenstette07) – fouille de données sur le Web afin de construire une carte sémantique de la langue (Ponzetto07) – nettoyage de larbre catégoriel de Wikipédia (Rattenbury07) – structuration de connaissances géographiques à partir de Flickr

8 8 13/05/007 DTSI Recherche par le contenu visuel (CBIR) Méthode alternative ou complémentaire à la recherche par mots clef Description de bas niveau des images Descripteurs globaux (texture, couleur, forme) Descripteurs locaux (points dintérêt) Plus complexe du point de vue algorithmique (temps de calcul, passage à léchelle) Pour les moteurs CBIR classiques : manque de cohérence conceptuelle des résultats Source :

9 9 13/05/007 DTSI 14/10/2008 Plan de la présentation Introduction Approche conceptuelle de la recherche dimages Structuration de connaissances Création de ressources Applications Conclusions et perspectives

10 10 13/05/007 DTSI Approche de la thèse Ressources structurées / semi structurées WordNet, Geonames, Wikipedia Applications Structures sémantiques à large échelle Structures linguistiques Approche Recherche par le contenu Web Architecture générique de moteur de recherche d'images ThemExplorerOlive Safir Quelles images cherchons-nous sur Internet ? Comment ? Analyse dun fichier de log

11 11 13/05/007 DTSI Comment cherchons nous des images sur Internet? Nombre de requêtes par session Analyse statistique et conceptuelle dun fichier de log contenant plus de 20 millions de requêtes Position des pages regardées dans lensemble des résultats

12 12 13/05/007 DTSI Étude des usages – complexité des requêtes Analyse manuelle dun échantillon de 1000 requêtes choisies aléatoirement 64% des requêtes incluent un seul concept 30% des requêtes incluent deux concepts Les requêtes simples se prêtent bien à un traitement en exploitant des ressources linguistiques Classiquement la complexité dépend du nombre de termes composant une requête Proposition dune analyse basée sur le nombre de concepts dans une requête

13 13 13/05/007 DTSI Quels concepts cherchons nous sur Internet ? 3 millions de requêtes uniques Noms communs (WordNet) Noms de Personnes (Wiki + NNDB) Toponymes (Geonames) requêtes requêtes requêtes

14 14 13/05/007 DTSI Étude des usages - conclusion Importance dune bonne précision sur la première page de résultats Nombre important de recherches allant au-delà : intéressant de proposer une navigation rapide parmi les images résultats Une majorité de requêtes mono-conceptuelles Facilement traitées en utilisant des structures linguistiques Découverte de trois domaines conceptuels intéressants pour la recherche dimages Noms communs Toponymes Noms de personnalités

15 15 13/05/007 DTSI Caractérisation des structures linguistiques Espace de requêtes très diversifié Besoin de structures linguistiques à (très) large échelle Existence de ressources préconstituées Utiles mais devant être adaptées pour la recherche dimages Nécessité de construire automatiquement des nouvelles ressources Relations quelquefois incorrectes et risques dincohérence

16 16 13/05/007 DTSI Relations entre les concepts Sélection de relations utiles en recherche dimages Relations - définitoires pour les opérations possibles sur le contenu des structures linguistiques Relations génériques Hyperonymie Homonymie Synonymie Relations spécifiques à des domaines Géographie : positionnement, inclusion spatiale Personnes : données biographiques dog, Canis familiaris dog isAn animaldog isA sausage dog, hotdog

17 17 13/05/007 DTSI Relations conceptuelles en recherche dimages Reformulation automatique des requêtes Structuration des résultats Skyscraper Petronas Towers … Empire State Building isA Adaptation de la présentation des résultats Robert De Niro Raging Bull … Taxi Driver filmWith

18 18 13/05/007 DTSI CBIR dirigé par la sémantique Recherche par le contenu dans des espaces conceptuellement et visuellement cohérents La combinaison des descriptions de bas et de haut niveau des images fait lobjet dun effort de recherche soutenu (Liu07)

19 19 13/05/007 DTSI Architecture de recherche sémantique dimages Corpus dimages Internet Ressource linguistique Corpus dimages Collecteur dimages Sélecteur de concepts Moteur de recherche visuel Interface Requête textuelle Requête image

20 20 13/05/007 DTSI 14/10/2008 Plan de la présentation Introduction Approche conceptuelle de la recherche dimages Structuration de connaissances Création de ressources Applications Conclusions et perspectives

21 21 13/05/007 DTSI Domaines conceptuels Constitution de structures sémantiques pour trois domaines Noms communs Toponymes Noms de personnalités Choix dirigé par Leur intérêt pour la recherche dimage – grand nombre de requêtes pour ces trois domaines La possibilité dadapter ou de construire des structures linguistiques à large échelle

22 22 13/05/007 DTSI Adaptation de WordNet Synsets de la base lexicale existante Ajout dune mesure de proximité conceptuelle Format de sortie des résultats freqWeb : fréq. de cooccurrence de deux termes sur le web distance : nombre de nœuds dans la hiérarchie entre c1 et c2 sens: nombre de sens différents de c1

23 23 13/05/007 DTSI Évaluation de ladaptation de WordNet 20 concepts du niveau de base (Rosch76) : animaux, plantes, concepts naturels, artéfacts 7 évaluateurs Comparaison avec la ressource linguistique de Ask (http://ask.com)http://ask.com Pertinence des termes proches Couverture des ressources Ask : moins de 10 requêtes proches pour 13 requêtes WordNet : au minimum 10 requêtes proches pour toutes les 20 requêtes

24 24 13/05/007 DTSI Olive – recherche dimages de noms communs Exploitation de la version adaptée de WordNet et de PIRIA (moteur CBIR du CEA LIST) (Joint04) Caractéristiques Représentation conceptuellement structurée des requêtes Utilisation des sous-types feuilles de WordNet Proposition de requêtes proches Plus génériques Plus spécifiques Du même niveau CBIR parmi les images du même terme feuille de la hiérarchie Olive - démo vidéodémo vidéo

25 25 13/05/007 DTSI Évaluation dOlive Précision de la recherche Comparaison avec Google Images, sur un panel de 20 concepts, avec 8 participants Meilleurs résultats pour 15 concepts testés Précision du CBIR Comparaison avec Cortina (Quack04) Test utilisateurs – 10 participants Comparaison avec Google Images Structuration sémantique des résultats appréciée Enrichissement de linteractivité perçu comme utile OliveGoogle Images Olive (CBIR constraint)Cortina (CBIR brut)

26 26 13/05/007 DTSI Construction dun thésaurus géographique Définition dun thésaurus géographique (Hill99) Élément = (nom, coordonnées, type) Structure dun thésaurus géographique Organisation hiérarchique (relation isA) Notre Dame de Paris est une cathédrale Inclusion spatiale Notre Dame de Paris Paris Île de France France Non considérée dans la définition de Hill

27 27 13/05/007 DTSI Sources dinformation Réutilisation dune ressource existante et enrichissement automatique Geonames (geonames.org) : base de données géographiques constituée manuellement Wikipédia : Nombre important darticles décrivant des toponymes Alltheweb : moteur de recherche dinformations Panoramio – partage dimages géo-référencées >6 millions dimages + descriptions Validation du contenu : faible niveau de bruit

28 28 13/05/007 DTSI Construction dun thésaurus géographique Sources de données Gazetiki Extraction Localisation Catégorisation Classement Golden Gate Bridge 37, , 479 Bridge Extraction / Analyse Gazetiki Plus de 7 millions dentités géographiques Thésaurus couvrant la plupart des régions du monde Adrian Popescu, Gregory Grefenstette, Pierre-Alain Moëllic Gazetiki: Automatic Creation of a Geographical Gazetteer, JCDL 2008, June , Pittsburgh, USA.

29 29 13/05/007 DTSI Extraction de toponymes et localisation Extraction de toponymes Wikipédia – titres des articles Panoramio – dictionnaire de concepts géographiques + règles dextraction Localisation Wikipédia – coordonnées de larticle Panoramio – statistiques sur les images décrites par un toponyme Longitude : 21,2478 Latitude : 45,757

30 30 13/05/007 DTSI Catégorisation et classement Catégorisation Wikipédia – dictionnaire du domaine + utilisation de la première phrase, des catégories et de lInfobox Panoramio – dictionnaire du domaine + statistiques sur le texte des résultats de AlltheWeb Classement – deux composantes Panoramio nombre dimages x nombre dutilisateurs AlltheWeb nombre de résultats +

31 31 13/05/007 DTSI Évaluation de Gazetiki 15 villes: comparaison avec TagMaps (Rattenbury07) ou Geonames Couverture et précision améliorées par rapport à TagMaps Localisation avec Panoramio Majorité des coordonnées à <200 m Catégorisation PrécisionCouverture TagMaps85%1915 Gazetiki90%6087 WikipediaPanoramio Nb éléments Erreurs1332 Précision94%90%

32 32 13/05/007 DTSI ThemExplorer – recherche dimages de toponymes Exploitation de Gazetiki et de PIRIA Présentation de noms dentités précis Pas de divisions administratives Caractéristiques Navigation basé sur une carte interactive fournie par Yahoo! Navigation selon des catégories CBIR parmi les images du même toponyme ThemExplorer - démo vidéodémo vidéo Adrian Popescu, Pierre-Alain Moëllic, Ioannis Kanellos ThemExplorer: Finding and Browsing Geo-referenced Images, CBMI 2008, June , London, UK.

33 33 13/05/007 DTSI Évaluation de ThemExplorer Restriction de lespace de recherche pour le CBIR sur 20 images, avec 6 participants Fusion de descripteurs pour le CBIR sur 20 images, avec 6 participants Test utilisateurs – 8 participants Comparaison avec World Explorer (Ahern07) Navigation selon des catégories et CBIR bien appréciées Couverture de Gazetiki sensiblement meilleure que celle de TagMaps Problème avec les tags apparaissant en double RestrictionSpatialeSpatiale + mots clef DescripteursglobauxlocauxGlobaux + locaux

34 34 13/05/007 DTSI CelebWiki- structure pour les noms de personnalités Analyse des articles Wikipédia décrivant des acteurs, musiciens, footballeurs et modèles Infobox, catégories, tableaux, texte de larticle Extraction Données biographiques Données relatives à leur activité Ajout dune mesure de pertinence Ajout dune mesure de proximité conceptuelle

35 35 13/05/007 DTSI Évaluation de CelebWiki 20 noms dacteurs, musiciens et footballeurs 8 participants au test Comparaison avec la ressource linguistique de Ask Pertinence des termes proches Couverture (370 de requêtes)

36 36 13/05/007 DTSI Safir – recherche de noms de personnalités Exploitation de CelebWiki et de PIRIA Caractéristiques Représentation conceptuellement structurée des noms de célébrités Utilisation des informations dans CelebWiki Proposition de requêtes proches Noms de personnalités associées Requêtes plus génériques CBIR parmi les images de la même personne Safir – système en cours de finalisation

37 37 13/05/007 DTSI Safir – recherche de noms de personnalités

38 38 13/05/007 DTSI Évaluation de Safir Précision de la recherche Comparaison avec Google Image sur 20 noms de personnalités, avec 5 participants La reformulation des requêtes naméliore pas la précision des résultats Meilleure précision pour Safir dans le cas des footballeurs SafirGoogle Images

39 39 13/05/007 DTSI 14/10/2008 Plan de la présentation Introduction Approche conceptuelle de la recherche dimages Structuration de connaissances Création de ressources Applications Conclusions et perspectives

40 40 13/05/007 DTSI Conclusions Structuration automatique de connaissances à grande échelle à partir du Web Méthode de recherche dimages par le contenu dans des espaces conceptuellement cohérents Proposition dune méthode de recherche sémantique dimages sur Internet Intégration des structures linguistiques et du CBIR Application à trois domaines conceptuels Noms communs Toponymes Noms de personnalités Résultats très encourageants pour les deux premiers cas

41 41 13/05/007 DTSI Perspectives Traitement des requêtes complexes Résultats positifs dans la campagne dévaluation ImageCLEF WikipediaMM Task 2008

42 42 13/05/007 DTSI Perspectives Focalisation du travail sur le domaine géographique Amélioration de la structuration des connaissances Catégorisation multilingue Ajout de nouvelles relations : inclusion spatiale, synonymie Amélioration des traitements par le contenu Descriptions locales des images (sacs de mots visuels) Classification supervisée Annotation automatique dimages géo-référencées Algorithme basé sur un k-PPV Une majorité de ces pistes sinscrivent dans le projet ANR Georama (CEA List – Télécom Bretagne – Exalead)

43 43 13/05/007 DTSI Publications au cours de la thèse Adrian Popescu, Pierre-Alain Moëllic, Ioannis Kanellos ThemExplorer: Finding and Browsing Geo- referenced Images, CBMI 2008, June , London, UK. Adrian Popescu, Gregory Grefenstette, Pierre-Alain Moëllic Gazetiki: Automatic Creation of a Geographical Gazetteer, JCDL 2008, June , Pittsburgh, USA. Adrian Popescu, Pierre-Alain Moëllic, Ioannis Kanellos A Conceptual Approach to Web Image Retrieval, LREC 2008, May , 2008, Marrakech, Morroco. Adrian Popescu, Ioannis Kanellos Multilingual and content based access to Flickr, ICTTA 2008, April , 2008, Damascus, Syria. Adrian Popescu, Pierre-Alain Moëllic, Ioannis Kanellos Utilisation de structures sémantiques pour la recherche d'images sur Internet, ECOI Workshop, in conjunction with EGC 2008, January 29, 2008, Nice, France. Adrian Popescu, The RIAO 2007 Conference - A Personal View, ACM SIGIR Forum, December 2007 Adrian Popescu Large Scale Semantic Structures for Image Retrieval, ACM Multimedia 2007, September , Augsburg, Germany - doctoral symposium. Adrian Popescu, Gregory Grefenstette, Pierre-Alain Moëllic Improving Image Retrieval Using Semantic Resources, to appear as book chapter in the Springer Series in Computational Intelligence Adrian Popescu, Christophe Millet, Pierre-Alain Moëllic Ontology Driven Content Based Image Retrieval, CIVR posters session, July , 2007, Amsterdam, The Netherlands. Adrian Popescu Image Retrieval Using a Multilingual Ontology, RIAO 2007, May 30 - June 1, 2007, Pittsburgh, USA. Christian Fluhr, Gregory Grefenstette, Adrian Popescu Toward a common semantics between Media and Languages, IWRIDL, December 12-15, 2006, Kolkata, India Adrian Popescu, Christophe Millet, Gregory Grefenstette, Pierre-Alain Moëllic, Patrick Hède Imaging Word - Wording Images, SAMT poster session, December 6 - 9, 2006, Athens, Greece. Adrian Popescu, Gregory Grefenstette, Pierre-Alain Moëllic Using Semantic Commonsense Resources in Image Retrieval, SMAP 2006, December 4 - 5, 2006, Athens, Greece.


Télécharger ppt "1 13/05/07 LIST – DTSI – Service Réalité virtuelle, Cognitique et Interfaces sensorielles Structures linguistiques pour la recherche dimages sur Internet."

Présentations similaires


Annonces Google