Multimedia retrieval

بازیابی داده های چندرسانه ای با بازیابی داده های ساخت یافته متفاوت است. یک مشکل کلیدی در پایگاه‌های اطلاعاتی چندرسانه‌ای، جستجو است و راه‌حل‌های پیشنهادی برای مشکل بازیابی اطلاعات چندرسانه‌ای طیف نسبتاً گسترده‌ای از موضوعات خارج از حوزه پایگاه داده سنتی را در بر می‌گیرد، از بازیابی اطلاعات و تعامل انسان و رایانه تا دید رایانه و تشخیص الگو. /P>

بر اساس بیش از 10 سال تجربه تدریس، بلانکن و ویراستاران او تمام موضوعاتی را که باید در دوره های پیشرفته کارشناسی یا کارشناسی ارشد در زمینه بازیابی چند رسانه ای و پایگاه های داده چند رسانه ای پوشش داده شوند، جمع آوری کرده اند. فصل های منفرد این کتاب درسی، معماری کلی سیستم های بازیابی اطلاعات چندرسانه ای را توضیح می دهد. زبان های مختلف ابرداده مانند Dublin Core، RDF یا MPEG. تشخیص الگو از طریق مدل‌های مارکوف، یادگیری بدون نظارت و خوشه‌بندی الگو. رویکردهای نمایه سازی مختلف برای جریان های صوتی و تصویری؛ تعامل و کنترل؛ حفاظت از محتوا و حریم خصوصی کاربران؛ و اثربخشی و کارایی جستجو. نویسندگان بر ویژگی‌های سطح بالا تأکید می‌کنند و نشان می‌دهند که چگونه از این ویژگی‌ها در مدل‌های ریاضی برای پشتیبانی از فرآیند بازیابی استفاده می‌شود. برای هر فصل، جزئیات بیشتری در مورد مطالعه بیشتر وجود دارد و تمرین‌ها و مطالب آموزشی اضافی به صورت آنلاین در دسترس است.

Retrieval of multimedia data is different from retrieval of structured data. A key problem in multimedia databases is search, and the proposed solutions to the problem of multimedia information retrieval span a rather wide spectrum of topics outside the traditional database area, ranging from information retrieval and human–computer interaction to computer vision and pattern recognition.

Based on more than 10 years of teaching experience, Blanken and his coeditors have assembled all the topics that should be covered in advanced undergraduate or graduate courses on multimedia retrieval and multimedia databases. The single chapters of this textbook explain the general architecture of multimedia information retrieval systems; various metadata languages like Dublin Core, RDF, or MPEG; pattern recognition through Markov models, unsupervised learning, and pattern clustering; various indexing approaches to audio and video streams; interaction and control; the protection of content and user privacy; and search effectiveness and efficiency. The authors emphasize high-level features and show how these features are used in mathematical models to support the retrieval process. For each chapter, there’s detail on further reading, and additional exercises and teaching material is available online.