Résumé

Nous présentons dans ce papier une nouvelle méthode pour exploiter la relation entre différents niveaux de représentation d’image afin de compléter le modèle de graphe visuel. Le modèle de graphe visuel est une extension du modèle de langue classique en recherche d’infor- mation. Nous utilisons des régions d’images et des points d’intérêts (associées automatiquement à des concepts visuels), ainsi que des relations entre ces concepts, lors de la construction de la représentation sous forme de graphe. Les résultats obtenus sur catégorisation de la collection RobotVision de la compétition d’ImageCLEF 2009 (contenant 5 pièces dans un environnement à l’intérieur du bâtiment) montrent que (a) la procédure de l’induction automatique des concepts d’une image est efficace, et (b) l’utilisation des inter-relations entre 2 niveaux de représentation, en plus de concepts, permet d’améliorer le taux de reconnaissance.

Abstract

This paper presents a novel approach, the first to our knowledge, that exploits a complete extension of the language modeling approach from information retrieval to the problem of graph-based image retrieval and categorization. Since photographic images are 2D data, we first use image regions and local interest points (mapped to automatically induced concepts) and then relationships between these regions to build a complete graph representation of im- ages. The results obtained on categorizing of RobotVision collection from ImageCLEF 2009 (containing of 5 rooms in an indoor environment) show that (a) the procedure to automatically induce concepts from an image is effective, and (b) the use of spatial relationships, in addition to concepts, for representing an image content helps improve the classifier accuracy.