Un approccio al relevance feedback per il reperimento di immagini

Il relevance feedback si è recentemente imposto come una soluzione al problema di fornire risposte soddisfacenti a ricerche di similarità in sistemi di image retrieval nei quali le immagini vengono rappresentate attraverso caratteristiche di basso livello come il colore, la tessitura e la forma. In questo articolo viene descritto un nuovo approccio per l’apprendimento di una metrica di similarità ottimale basato sull’analisi delle informazioni giudicate rilevanti o meno dall’utente nel corso del processo di feedback. Gli esempi positivi e quelli negativi forniti dall’utente vengono rappresentati da uno spazio ciascuno; la regione rilevante è rappresentata da un sottospazio KL calcolato a partire dagli esempi positivi, mentre per la rappresentazione della regione non rilevante viene utilizzato uno spazio MKL, più adatto a rappresentare la diversità degli esempi negativi che molto probabilmente apparterranno a classi diverse. Il processo di ricerca viene quindi formulato come un problema di classificazione, basato sul calcolo della distanza minima dalle due regioni.