Laborpraktikum
Sommersemester 04

Implementierung von Relevance-Feedback-Methoden in einer Bilddatenbank

Sommersemester 2004

Betreuer:	Anke Schneidewind, Ingo Schmitt
Teilnehmer:	maximal 3x2 Studenten der CV, IF, WIF, ING-IF
Einschreibung:	Es kann per E-Mail an ein Termin vereinbart werden.
Start:	Das Labor G29-Raum 145 steht immer Mittwochs von 9 bis 11 Uhr zur Verfügung.

Inhalt

Gegenstand des Laborpraktikums ist die Entwicklung und Implementierung von Relevance-Feedback-Methoden in einem Bilddatenbanksystem.

Relevance-Feedback ist ein iteratives Verfahren, um den Nutzer bei der Bildsuche stärker mit einzubeziehen. Der Nutzer wertet die vom Datenbanksystem gelieferte Ergebnismenge an Bildern aus und teilt dem System seine Bewertung mit. Systemseitig müssen die Nutzerbewertungen auf die interne Repräsentation von extrahierten Bildinformationen umgesetzt werden und in eine neue Datenbankanfrage transformiert werden.

Dem Nutzer steht eine grafische Oberfläche zur Verfügung, welche die Bildinformationen visualisiert und eine Bewertung der Bilder und der Informationen zulässt. Hier sollen schon implementierte Oberflächen erweitert werden. Systemseitig sind unterschiedliche Berechnungsmethoden zur Abbildung nötig. Dies bedingt eine modulare Programmierung, die das Austauschen einzelner Berechnungsmethoden ermöglicht. Zudem ist zu berücksichtigen, dass in einem Umfeld mit mehreren Entwicklern programmiert wird.

Ein Ziel des Laborarpraktikums ist die Implementierung von Algorithmen für die Berechnungsmethoden. Sie bilden die Bewertung des Nutzers auf eine Gewichtung aller möglichen Bildinformationen ab. Berechnungsverfahren basieren unter anderem auf Häufigkeitsverteilungen der einzelnen Bildinformationen in Bildern selbst und über die gesamte Datenbank. Dabei wird davon ausgegangen, das die Informationen in sog. Featurevektoren f gespeichert sind. Als Beispiel soll hier die inverse document frequency idf genannt werden. Bei N Anfragebildern auf der Datenbank mit der Größe M besteht, bezogen auf das Anfragebild n aus N mit der Relevanz R und dessen enthaltene Häufigkeit m (bzw. M/d in der Datenbank) der Bildinformation k, folgender Zusammenhang mit der idf

Ein weiteres Ziel ist die Visualisierung der Bildinformationen durch Generieren von Bildern.

Schritte:

1. Erweitern vorhandener grafischer Oberflächen,
2. (in Abhängigkeit der Teilnehmerzahl) Extrahieren von Bildmerkmalen/Featurevektoren,
3. Bewerten von Datenbankinhalten,
4. Umsetzen bekannter Relevance-Feedback-Elemente:
• Berechnungen nach Rocchio, entsprechend der inverse document frequency oder der Kullback-Leibler-Divergenzmessung,
• Integration von Gewichtung,
• Auswahlverfahren für den Nutzer.
5. (in Abhängigkeit der Teilnehmerzahl) Visualisierungstechniken für Bilder, Anfragen und Ergebnisse,
6. (in Abhängigkeit der Teilnehmerzahl) Dimensionsreduktionstechniken,
7. (in Abhängigkeit der Teilnehmerzahl) Berücksichtigen von Featureabhängigkeiten.

Vorzuweisende Voraussetzungen sind:

Vordiplom, Datenbanken I/ Datenmanagement, Multimediadatenbanken/Bildverarbeitung, Java

Weitere Infos:

Folien

kurze Vorstellung des Laborpraktikums auf Folien.

Multimediadatenbanken

Forschungsrahmen in dem das Laborpraktikum entstanden ist, bzw. wo die Ergebnisse eingebettet werden sollen. Im Speziellen ist dabei der Forschungsschwerpunkt Relevance-Feedback entscheidend.