Arcabou¸co P G +

O principal objetivo do algoritmo P G+_{´e encontrar um conjunto de fun¸c˜oes de combina¸c˜ao}

que melhor traduzam a percep¸c˜ao visual do usu´ario [17]. Ent˜ao, procura-se redefinir as rela¸c˜oes de similaridade entre as imagens, utilizando-se as fun¸c˜oes de combina¸c˜ao encon- tradas, para que essas rela¸c˜oes melhor se adeq¨uem ao conjunto de imagens que o usu´ario busca.

Seja L o n´umero de imagens exibidas para o usu´ario em cada itera¸c˜ao. Seja o padr˜ao de consulta Q = {q1, q2, . . . , qM}, onde M ´e o n´umero de elementos em Q. Q ´e formado

pela imagem de consulta q1 e todas as imagens rotuladas como relevante durante uma

sess˜ao de consulta [17].

O padr˜ao de consulta utilizado no arcabou¸co P G+ _{´e composto n˜ao apenas pela ima-}

gem de consulta definida inicialmente pelo usu´ario, mas tamb´em por todas as imagens marcadas como relevante em todas as itera¸c˜oes. Desse modo, a abordagem ´e baseada em m´ultiplos pontos de consulta para o processo de recupera¸c˜ao. Segundo Ferreira [17], essa abordagem ´e mais robusta `as imperfei¸c˜oes na defini¸c˜ao do espa¸co de caracter´ısticas, em rela¸c˜ao `a percep¸c˜ao do usu´ario. Com um ´unico ponto de consulta dificilmente se conseguiria encapsular todas as preferˆencias de consulta do usu´ario. A utiliza¸c˜ao de m´ultiplos pontos de consulta em conjunto com a redefini¸c˜ao da rela¸c˜ao de similaridade proporcionada pelo aprendizado baseado em PG, possibilita uma melhor caracteriza¸c˜ao da percep¸c˜ao visual do usu´ario. O Algoritmo 2 apresenta o processo de realimenta¸c˜ao utilizado pelo arcabou¸co GP+_.

De acordo com o Algoritmo 2, no come¸co do processo de recupera¸c˜ao realizado pelo arcabou¸co P G+_{, o usu´ario define a imagem de consulta (linha 1). A partir dessa imagem,}

Algoritmo 2 O processo de realimenta¸c˜ao de relevˆancia baseado em programa¸c˜ao gen´etica.

1 Defini¸c˜ao da imagem de consulta q₁ 2 Exiba o conjunto inicial de imagens

3 enquanto o usu´ario n˜ao estiver satisfeito fa¸ca 4 Indica¸c˜ao do usu´ario

5 Atualize o padr˜ao de consulta Q

6 Utilize PG para encontrar os melhores indiv´ıduos (fun¸c˜oes de combina¸c˜ao de

similaridades)

7 Ordene as imagens da base

8 Exiba as L imagens mais similares 9 fim enquanto

Utilizando o conjunto inicial, o processo de realimenta¸c˜ao de relevˆancia se inicia, com a indica¸c˜ao das imagens relevantes pelo usu´ario. S˜ao realizadas diversas itera¸c˜oes, que se repetem at´e que o usu´ario esteja satisfeito com o resultado (linha 3). Nessas itera¸c˜oes, s˜ao realizadas as seguintes etapas: indica¸c˜ao das imagens relevantes pelo usu´ario (linha 4); atualiza¸c˜ao do padr˜ao de consulta (linha 5); aprendizado da percep¸c˜ao visual do usu´ario utilizando programa¸c˜ao gen´etica (linha 6); ordena¸c˜ao das imagens da base (linha 7); e exibi¸c˜ao das imagens mais similares (linha 8).

A sele¸c˜ao das imagens do conjunto inicial exibido para o usu´ario ´e definida pela ordena¸c˜ao das imagens da base em rela¸c˜ao a sua similaridade em rela¸c˜ao `a imagem de consulta. Esse processo ´e realizado em duas etapas. Inicialmente, cada descridor simples ´e utilizado para calcular a similaridade de cada imagem. Em seguida, os valores calculados s˜ao combinados pela sua m´edia aritm´etica. Essa combina¸c˜ao utiliza todos os descritores empregados no processo de recupera¸c˜ao e atribui o mesmo grau de importˆancia para cada um. Essa forma de combina¸c˜ao permite a defini¸c˜ao do conjunto inicial de imagens retornadas para o usu´ario sem a necessidade de conhecimento pr´evio sobre o desempenho dos descritores. A partir da similaridade calculada em rela¸c˜ao `a imagem de consulta, as imagens da base s˜ao ordenadas e as L primeiras s˜ao exibidas. Assim, o usu´ario identifica nesse conjunto quais s˜ao as imagens relevantes. O pr´oximo passo ´e inserir todas as imagens marcadas como relevantes no padr˜ao de consulta Q.

O arcabou¸co P G+ _{utiliza programa¸c˜ao gen´etica para combinar os descritores e co-}

dificar as necessidades do usu´ario. Um indiv´ıduo na programa¸c˜ao gen´etica representa uma fun¸c˜ao cujo objetivo ´e combinar valores de similaridade definidos por diferentes des- critores. Desse modo, cada nodo interno da ´arvore que representa o indiv´ıduo ´e um operador aritm´etico enquanto as folhas s˜ao os valores de similaridade di de um des-

2.4. Realimenta¸c˜ao de Relevˆancia por Programa¸c˜ao Gen´etica 21

visualizado na Figura 2.7. Esse indiv´ıduo representa a fun¸c˜ao f (d1IjIk, d2IjIk, d3IjIk) =

(d1Ij Ik+d3Ij Ik

d2_{Ij Ik} ) −pd2IjIk ∗ d3IjIk.

Figura 2.7: Exemplo de indiv´ıduo no arcabou¸co P G+_.

Durante o processo de aprendizado, os indiv´ıduos que melhor codificam as preferˆencias do usu´ario devem receber os maiores valores de adequa¸c˜ao. A adequa¸c˜ao de um indiv´ıduo ´e calculada a partir de seu desempenho em um conjunto de treinamento. No arcabou¸co P G+ _{o conjunto de treinamento ´e formado por um conjunto T de imagens e uma fun¸c˜ao}

r+_{. T ´e composto por imagens marcadas como relevante, por imagens exibidas para o}

usu´ario nas ´ultimas itera¸c˜oes e por outras escolhidas aleatoriamente da base. A fun¸c˜ao r+

indica a rotula¸c˜ao do usu´ario em rela¸c˜ao a cada imagem t ∈ T podendo assumir o valor 1 se t ´e relevante e 0 se n˜ao relevante ou n˜ao rotulado.

A adequa¸c˜ao de um indiv´ıduo ´e calculada com base na similaridade entre as imagens do padr˜ao de consulta Q e todas as imagens do conjunto de treinamento T . O processo de c´alculo da adequa¸c˜ao de um indiv´ıduo ´e realizada em trˆes fases. Na primeira fase, s˜ao definidas listas ordenadas, cada uma considerando a similaridade entre todas as imagens do conjunto de treinamento e cada imagem do padr˜ao de consulta. Na segunda fase, essas ordena¸c˜oes s˜ao avaliadas. Finalmente, na ´ultima fase, o valor final da adequa¸c˜ao do indiv´ıduo ´e calculado.

Ap´os o c´alculo da adequa¸c˜ao dos indiv´ıduos ´e poss´ıvel realizar a ordena¸c˜ao das ima- gens da base. Como h´a a possibilidade de que v´arios indiv´ıduos apresentem uma boa adequa¸c˜ao, um crit´erio foi definido para selecionar quais ser˜ao utilizados para ordenar a base: um esquema de vota¸c˜ao. Primeiramente, um conjunto de indiv´ıduos ´e selecionado para participar do processo de vota¸c˜ao. Seja δmelhor o melhor indiv´ıduo obtido do pro-

cesso de aprendizado na itera¸c˜ao corrente. O conjunto S de indiv´ıduos selecionados para participar ´e definido como uma constante chamada limitante para vota¸c˜ao:

S = {δi|

Fδi

Fδmelhor ≥ α}

(2.1) onde α ∈ [0, 1] ´e uma constante e Fδi o valor de adequa¸c˜ao do ind´ıv´ıduo δi.

O primeiro passo do processo de vota¸c˜ao ´e a ordena¸c˜ao das imagens da base utilizando os indiv´ıduos selecionados. A ordena¸c˜ao ´e feita de acordo com a similaridade entre cada imagem da base e o padr˜ao de consulta Q. Desse modo, para cada indiv´ıduo do conjunto S vai existir uma lista das imagens da base ordenadas. Depois, cada imagem nas L primeiras posi¸c˜oes em cada lista recebe um voto inversamente proporcional a sua posi¸c˜ao. Por exemplo, a primeira imagem recebe um voto igual a 1; a segunda recebe 1/2; a terceira, 1/3 e assim por diante. Finalmente, as L imagens mais votadas s˜ao selecionadas para serem exibidas para o usu´ario.