Indexation dimages
Antoine MANZANERA – Cours Indexation / DEA IARFA page 2. Le sujet de ce cours est la recherche automatique de documents visuels (images.
Effective Image Retrieval via Multilinear Multi-index Fusion
27 Sept 2017 Index Terms—Image retrieval Multi-index fusion
Recent Advance in Content-based Image Retrieval: A Literature
02 Sept 2017 inverted file indexing structure for scalable image retrieval. ... [24] S. Zhang M. Yang
Indexation symbolique dimages: une approche basée sur l
06 Jan 2006 1.2 Les difficultés de l'indexation d'images . ... suivent à peu près les variations de couleurs au cours des saisons.
Advanced Image Processing for Astronomical Images
Preliminary analysis in astronomical image processing includes understanding the dimensional properties or the shape index profile of the celestial object in
Indexation par le contenu de documents Audio-Vidéo Média Image
Indexation d'images par la texture. ? Indexation d'images par la forme Parole : voir l'autre partie du cours ! ? Musique. ? Bruit. Indexation par le ...
Indexation - Extraction et Recherche dInformations dans les
Le sujet de ce cours est la recherche automatique de documents visuels. (images séquences video
ROB317 – Cours n°2 - Filtrage et Amélioration
Antoine MANZANERA - Cours ROB317 « Analyse et Indexation d'Images » - ENSTA Paris. Filtrage vs Restauration bruit additif bruit multiplicatif.
Packing and Padding: Coupled Multi-index for Accurate Image
Packing and Padding: Coupled Multi-index for Accurate Image Retrieval [22] X. Wang M. Yang
Image mining:
The Image Mining course deals with the problem of increasing the Video structuring and indexing. - Application / Case study: Satellite image mining ...
(PDF) Indexation dimages Cours Master IA&D - Academiaedu
Le sujet de ce cours est la recherche automatique de documents visuels (images séquences video) dans des bases de données de grande taille
[PDF] Indexation dune base de données images - HAL Thèses
30 avr 2011 · Ce mémoire concerne les techniques d'indexation dans des bases d'image ainsi que les méth- odes de localisation en robotique mobile
[PDF] Indexation de limage fixe/note de synthèse (L) - Enssib
Image et intelligence artificielle dans 1 *information scienti- fique et technique : cours INRIA 6-10 juin 1988 Benodet; dir par Christian Bordes
[PDF] Analyse & Indexation dImages - ENSTA Paris
d'Images Antoine Manzanera – ENSTA Paris / U2IS Cours ENSTA 3e année ROB317 “Analyse et Indexation d'Images” CARACTERISTIQUES MULTI-ECHELLES
[PDF] Indexation et recherche dimages par le contenu
d'indexation et de recherche d'images par le contenu à partir de ces connaissances cours dans le domaine de l'interaction homme-machine
[PDF] Représentation de linformation : Indexation - IRIT
Image • Couleurs formes Fournit une terminologie standard pour indexer et rechercher les documents Cours RI M Boughanem
[PDF] Indexation par le contenu de documents Audio-Vidéo Média Image
Indexation d'images par la texture ? Indexation d'images par la forme Parole : voir l'autre partie du cours ! ? Musique ? Bruit Indexation par le
[PDF] Lindexation multimédia - EBSI - Cours et horaires
En particulier quelles sont les difficultés posées par l'indexation d'un objet temporel d'une image d'un flux audiovisuel ? Quels sont les différents niveaux
[PDF] Indexation et recherche par le contenu visuel dans les documents
Indexation multimédia (image + texte) Au cours des itérations les classes vont entrer en compétition pour attirer les données
[PDF] application à la technique dindexation et recherche dimage couleur
une image au sens de la couleur dans une base de signatures ou index d'une image; en principe de d'histogrammes effectués au cours des
Indexation
, Extraction et Recherche d'Informations dans les Donnees MultimediasA. ELHASSOUNY
GLENSIAS
Master B2dS
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 1 / 34Keywords
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 2 / 34Planning previsionnel
1Indexation des donnees multimedias
1Indexation des donnees multimedias : Introduction
2Description et indexation des images (CBIR 1)
3Description et indexation des images (CBIR 2)
4Description et indexation des videos (CBVR)
5Structures d'index 1, 2 et 3
2Introduction to Deep learning in computer vision
3Annexe : Evaluation de systeme de recherche de donnees multimedia
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 3 / 34Indexation des donnees multimedias
1Introduction
Contexte
Bases de Donnees MultiMedia (MMDB)
Domaines d'application
Indexation
Outil OpenCV
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 4 / 34IntroductionContexte
Contexte
ObjectifLes techniques presentees ci-apres, dite d'indexation, se proposent d'attacher a une image ou a une video un ensemble de descripteurs de leur contenu, dans le but de mesurer la ressemblance avec les descripteurs correspondant a la requ^ete. A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 5 / 34IntroductionContexte
Contexte
ObjectifLes techniques presentees ci-apres, dite d'indexation, se proposent d'attacher a une image ou a une video un ensemble de descripteurs de leur contenu, dans le but de mesurer la ressemblance avec les descripteurs correspondant a la requ^ete. A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 5 / 34IntroductionContexte
Contexte
Chanllenge ...
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 6 / 34IntroductionContexte
Indexer ?
Indexer = extraire une information synthetique des images(documents multimedia) an de faciliter l'acces a leur contenuinformation = element susceptible d'^etre code pour ^etre conserve,
traite, communiqueindex = cle d'acces a l'information contenue dans l'imagePourquoi indexer ?
indexer pour retrouver, trier : conservation d'un patrimoine (culturel, scientique,...)indexer pour conna^tre : valorisation en facilitant l'acces et l'exploration indexer pour naviguer : exploitation commerciale (photos numeriques,TV numerique, ...)
Le sujet de ce cours est la recherche automatique de documents visuels (images, sequences video, documents texte), dans des bases de donnees multimedias de grande taille, a partir de requ^etes relatives au contenu de ces documents. A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 7 / 34IntroductionContexte
Indexer ?
Indexer = extraire une information synthetique des images(documents multimedia) an de faciliter l'acces a leur contenuinformation = element susceptible d'^etre code pour ^etre conserve,
traite, communiqueindex = cle d'acces a l'information contenue dans l'imagePourquoi indexer ?
indexer pour retrouver, trier : conservation d'un patrimoine (culturel, scientique,...)indexer pour conna^tre : valorisation en facilitant l'acces et l'exploration indexer pour naviguer : exploitation commerciale (photos numeriques, TV numerique, ...)Le sujet de ce cours est la recherche automatique de documents visuels (images, sequences video, documents texte), dans des bases de donnees multimedias de grande taille, a partir de requ^etes relatives au contenu de ces documents. A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 7 / 34IntroductionContexte
Indexer ?
Indexer = extraire une information synthetique des images(documents multimedia) an de faciliter l'acces a leur contenuinformation = element susceptible d'^etre code pour ^etre conserve,
traite, communiqueindex = cle d'acces a l'information contenue dans l'imagePourquoi indexer ?
indexer pour retrouver, trier : conservation d'un patrimoine (culturel, scientique,...)indexer pour conna^tre : valorisation en facilitant l'acces et l'exploration indexer pour naviguer : exploitation commerciale (photos numeriques, TV numerique, ...)Le sujet de ce cours est la recherche automatique de documents visuels (images, sequences video, documents texte), dans des bases de donnees multimedias de grande taille, a partir de requ^etes relatives au contenu de ces documents. A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 7 / 34IntroductionBases de Donnees MultiMedia (MMDB)
Denition
Quelles sont les bases de donnees multimedia (MMDB)?Base de donnees (Databases) + Multimedia = BDMM Une base dedonnees multimediaest un type de base de donnees consacre au stockage, a l'organisation et a l'interrogation de donnees multimediaCes donnees peuvent ^etre de dierents types, en particulier :Texte, Son, Image et Video
Qui peuvent ^etre combines (exemple : lm)
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 8 / 34IntroductionBases de Donnees MultiMedia (MMDB)
BDMMPourquoi les bases de donnees mutlimedia ?
Quelques chiresCroissance tres importante, en raison de l'accumulation des contenus numeriques (image, video, ...) auto-produits par le grand public, par exemple :Facebook : plus de 100 millions d'images/jourYoutube : plus 24h de video/minute
Films : http://www.imdb.org recense plus de 400 000 lms Internet : necessite Plus 5-10 To de capacite de stockageSept 2011 : 1 milliards de recherches/jour
Fonds de document televisuel de la SNRT (societe nationale de radiodiusion et de television)Pour une seule cha^ne TV : plus 8000h de video /an Pour plus 20 ans d'emission (plusieurs cha^nes) : 1 million d'heures (videos, images, ...) A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 9 / 34IntroductionBases de Donnees MultiMedia (MMDB)
BDMMPourquoi les bases de donnees mutlimedia ?
Quelques chiresCroissance tres importante, en raison de l'accumulation des contenus numeriques (image, video, ...) auto-produits par le grand public, par exemple :Facebook : plus de 100 millions d'images/jourYoutube : plus 24h de video/minute
Films : http://www.imdb.org recense plus de 400 000 lms Internet : necessite Plus 5-10 To de capacite de stockageSept 2011 : 1 milliards de recherches/jour
Fonds de document televisuel de la SNRT (societe nationale de radiodiusion et de television)Pour une seule cha^ne TV : plus 8000h de video /an Pour plus 20 ans d'emission (plusieurs cha^nes) : 1 million d'heures (videos, images, ...) A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 9 / 34IntroductionBases de Donnees MultiMedia (MMDB)
Dicultes
Tres grands volumes de donnees multimedia a exploiter : Ocean d'images, videos et sonProblemes de gestion de bases de donnees "Fosse semantique" : comment acceder a/coder une information visuelle ?, a la dierence de donnees textuelles, le contenu semantique n'est jamais expliciteLes requ^etes sont diciles a exprimer, donc en general ambigues, incompletes A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 10 / 34IntroductionBases de Donnees MultiMedia (MMDB)
Historique
1980 : Annotation textuelle des images
1990 : Indexation par la couleur, la forme et la texture
1993 : Requ^ete en utilisant la similarite des images
1997 : Requ^ete par images exemplaires et retour de la pertinence
(relevance feedback)2000 : Apprentissage semantique et adaptation a l'utilisateur Enjeux actuels : Deep learning in computer vision, ConvolutionalNeural Networks for Visual Recognition
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 11 / 34IntroductionBases de Donnees MultiMedia (MMDB)
Quelques Systeme de Recherche Multimedia
Quelques Systeme de Recherche Multimedia
Systemes industriels
QBIC (IBM, depuis 1995) : http://wwwqbic.almaden.ibm.com ImageFinder (Attrasoft) : http://www.attrasoft.com Virage (Virage Technologies, 1996) : http://www.virage.comSystemes academiques
IMEDIA (INRIA) : http://www-rocq.inria.fr/imedia/
SAPIR (projet Europeen) : http://milos.isti.cnr.it:8080/milos/album/Tiltomo : http://www.tiltomo.com
Quelques SGBD standard pour BDMM
Jasmine est une base de donnees orientee objet, livre avec quatreclasses multimedias: (photo, image, video et audio)ORACLE (ORACLE Multimedia, le package ORDSYS, les classes
ORDVideo, ORDAudio et ORDImage)IBM DB2 Extenders
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 12 / 34IntroductionBases de Donnees MultiMedia (MMDB)
Quelques Systeme de Recherche Multimedia
Quelques Systeme de Recherche Multimedia
Systemes industriels
QBIC (IBM, depuis 1995) : http://wwwqbic.almaden.ibm.com ImageFinder (Attrasoft) : http://www.attrasoft.com Virage (Virage Technologies, 1996) : http://www.virage.comSystemes academiques
IMEDIA (INRIA) : http://www-rocq.inria.fr/imedia/
SAPIR (projet Europeen) : http://milos.isti.cnr.it:8080/milos/album/Tiltomo : http://www.tiltomo.com
Quelques SGBD standard pour BDMM
Jasmine est une base de donnees orientee objet, livre avec quatreclasses multimedias: (photo, image, video et audio)ORACLE (ORACLE Multimedia, le package ORDSYS, les classes
ORDVideo, ORDAudio et ORDImage)IBM DB2 Extenders
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 12 / 34IntroductionBases de Donnees MultiMedia (MMDB)
Quelques Systeme de Recherche Multimedia
Quelques Systeme de Recherche Multimedia
Systemes industriels
QBIC (IBM, depuis 1995) : http://wwwqbic.almaden.ibm.com ImageFinder (Attrasoft) : http://www.attrasoft.com Virage (Virage Technologies, 1996) : http://www.virage.comSystemes academiques
IMEDIA (INRIA) : http://www-rocq.inria.fr/imedia/
SAPIR (projet Europeen) : http://milos.isti.cnr.it:8080/milos/album/Tiltomo : http://www.tiltomo.com
Quelques SGBD standard pour BDMM
Jasmine est une base de donnees orientee objet, livre avec quatreclasses multimedias: (photo, image, video et audio)ORACLE (ORACLE Multimedia, le package ORDSYS, les classes
ORDVideo, ORDAudio et ORDImage)IBM DB2 Extenders
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 12 / 34IntroductionBases de Donnees MultiMedia (MMDB)
Deep Learning Frameworks
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 13 / 34IntroductionDomaines d'application
Domaines d'application
Audiovisuel
Exemples : detection de
copies (droits), retrouver un plan specique d'un programme, annotation automatique de videosSecuriteExemples : biometrie
(empreintes), videosurveillanceInternetExemples : commerce
electronique..., Bases d'images medicales A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 14 / 34IntroductionDomaines d'application
Domaines d'application
Exemple d'application : SecuriteLes cameras sont partout : aLondon, "il y a au moins 500
000 cameras dans la ville, et une
etude a montre que dans un seul jour, une personne pourrait atteindre d'^etre lme 300 fois " A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 15 / 34IntroductionDomaines d'application
Domaines d'application
Exemple d'application : SecuriteRequ^etes possiblesExemple de requ^ete par mots-cles: policier
veut examiner des photos de Personne XRequ^ete: "recuperer toutes les images de la base d'images dans lesquelles Personne X appara^t"Requ^ete d'image par exemple: l'agent de police a une photo et veut trouver l'identite de la personne sur la photo A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 16 / 34IntroductionIndexation
Comment indexer/interroger des documents multimedia ?Indexation manuelle (par texte : annotation) ou automatique (par contenu) ?Requ^ete de BD Multimedia : requ^ete peut prendre des formes tres
dierentes, elle peut ^etreConceptuelle (ex : mot), indexation par texte (annotation) Instancielle (ex : une autre image, video), exp : recuperer tous les images similaires a une image requ^ete... A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 17 / 34IntroductionIndexation
Indexation manuelle ou automatique ?
Type de requ^ete ==>Type d'indexationRecherche par contenu Qu'est-ce que ces images ont exactement en commun?Ou recherche par texte
Recuperer toutes les images montrant : "tournesol" A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 18 / 34IntroductionIndexation
Indexation manuelle
Annotation
l'approche dite classique consiste a indiquer des mots-cles attaches au document (ou indexes) decrivant, dans un vocabulaire restreint, lescaracteristiques principales et bien identiables des documents stockes.Par quoi indexer : mots-cles, metadonnees, ...
Inconvenients
M^eme image peut avoir plusieurs annotations dierentesAmbigute de l'annotation
Dependance du contexte
Le co^ut d'annotation manuel est tres important (10 fois la dure de document)Approche la plus ancienne et la plus repandue A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 19 / 34IntroductionIndexation
Indexation manuelle
Annotation
l'approche dite classique consiste a indiquer des mots-cles attaches au document (ou indexes) decrivant, dans un vocabulaire restreint, lescaracteristiques principales et bien identiables des documents stockes.Par quoi indexer : mots-cles, metadonnees, ...
Inconvenients
M^eme image peut avoir plusieurs annotations dierentesAmbigute de l'annotation
Dependance du contexte
Le co^ut d'annotation manuel est tres important (10 fois la dure de document)Approche la plus ancienne et la plus repandue A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 19 / 34IntroductionIndexation
Indexation manuelle
Dependance du contexte
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 20 / 34IntroductionIndexation
Indexation automatique
Indexation par contenu
L'algorithme d'indexation attache des donnees de bas niveau semantique, relatifs aux contenus geometrique, spectral, de l'image, a un niveau local ou global.Recherche par contenu (CBIR : Content-Based Information Retrieval) Les requ^etes se font en general par l'exemple, ou par modele. Extraire automatiquement d'une image (ou document multimedia) des descripteurs signicatifs et compacts, qui seront utilises pour la recherche ou la structuration A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 21 / 34IntroductionIndexation
Indexation automatique
Indexation par contenu
L'algorithme d'indexation attache des donnees de bas niveau semantique, relatifs aux contenus geometrique, spectral, de l'image, a un niveau local ou global.Recherche par contenu (CBIR : Content-Based Information Retrieval) Les requ^etes se font en general par l'exemple, ou par modele. Extraire automatiquement d'une image (ou document multimedia) des descripteurs signicatifs et compacts, qui seront utilises pour la recherche ou la structuration A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 21 / 34IntroductionIndexation
Indexation automatique
BDMM : Architecture generaleO-line : production d'indexes issus de l'analyse du contenu desimages (extraction de caracteristiques pertinentes, organisation...)On-line : gestion des requ^etes des utilisateurs
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 22 / 34IntroductionIndexation
Denitions
Indice, Descripteur, SignatureIndices visuels : caracteristiques de l'image, au sens de perceptionhumaine, que l'on cherche a utiliser pour la t^ache considereePrincipaux indices visuels : couleur, forme, texture, regions,
mouvement (essentiellement pour la video) (Ici, focus sur l'image, mais s'applique a la video)Descripteur d'image : methode d'extraction du contenu visuel de l'imageExemple : histogramme couleur Signature d'image (caracteristiques) : vecteur numerique representant le contenu visuel de l'imageExemple : 1 vecteur de dimension 216 pour l'histogramme couleur Espace de description (de representation) des images1 image = 1 ou plusieurs points dans un espace multimensionnel
Espace de recherche dans la base d'images
Structuration de l'espace de description pour une recherche ecace (index) A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 23 / 34IntroductionIndexation
Mesure de similarite
DistanceEn mathematiques, on appelle distance sur un ensembleEune applicationddenie sur le produitE2=EEet a valeurs dans l'ensembleR+des reels positifs d:EE!R+ veriant les proprietes suivantes :NomProprieteSymetrie8(a;b)2E2;d(a;b) =d(b;a)Separation8(a;b)2E2;d(a;b) = 0,a=bInegalite triangulaire8(a;b;c)2E3;d(a;c)d(a;b) +d(b;c)Un ensemble muni d'une distance est un espace metrique
A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 24 / 34IntroductionIndexation
Mesure de similarite
DistanceDansRn, on peut denir de plusieurs manieres la distance entre deux pointsSoient deux points deE, (x1;x2;;xn) et (y1;y2;;yn), on exprime les dierentes distances ainsiNomParametreFonction distance de Manhattan1-distanceP n i=1jxiyijdistance euclidienne2-distancepP n i=1(xiyi)2distance de Minkowskip-distancep pP n i=1jxiyijpdistance de Tchebychev1-distancelim p!1ppP n i=1jxiyijp= sup1injxiyijA. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 25 / 34
IntroductionOutil OpenCV
OpenCV
IntroductionBibliotheque de traitement d'images et de vision par ordinateur en langage C/C++, python, javaProjet initie par Intel (en 1999, actuellement 3.) Multi-plateformes : disponible pour Linux, Windows et Mac OSElle est Open Source
Fortement orientee temps reel
Optimisee pour les processeurs multi-coeurs
Que contient-elle ?
Des fonctionnalites (structures et routines,2500 algos) de base et avanceespour b^atir rapidement des applications autour de la vision par ordinateur.Telechargeable sur http://sourceforge.net/projects/opencvlibrary/ A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 26 / 34IntroductionOutil OpenCV
OpenCV
Introduction
OpenCV regroupe plusieurs modules :Core: contient les fonctionnalites de base, notamment l'acces aux pixels, le changement de luminosite, de contraste, le changementd'espace couleur, la possibilite de dessiner sur les images, etc.Imgproc:permet d'appliquer dierents ltres (moyen, gaussien, median)
permet d'appliquer dierentes operations morphologiques (dilatation,erosion, ouverture, fermeture, gradient morphologique etc)contient dierents algorithmes de seuillage et de detection de contours
(Sobel, operateur de Laplace, Canny Edge Detector), mais aussi desdetecteur de droites ou d'ellipse (Hough Line/Cercle Transform).Highgui: permet l'ajout de composants graphiques de base, mais
aussi avances.Calib3D: permet la calibration des cameras et la reconstruction 3D.A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 27 / 34
IntroductionOutil OpenCV
OpenCV
IntroductionFeature2D: contient des descripteurs 2D souvent utilises bases sur les couleurs, la forme, la texture, les points d'inter^etet desalgorithmes de mises en correspondance.Video: contient les fonctionnalites de base de traitement de videos
(algorithmes de detection de mouvement, de suivi, d'extraction de plan principal etc...).Objdetect: contient des algorithmes de detection d'objet,notamment la detection de visagesML: contient les algorithmes d'apprentissage et de classication.GPU: contient les algorithmes permettant l'utilisation de la carte
graphique an d'accelerer le temps d'execution gr^ace au parallelisme des GPU. A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 28 / 34IntroductionOutil OpenCV
OpenCV
Classes de basesLa classePointStructure de donnees generique pour representer des points dans espace de dimension 2.Pour les types courants : points a coordonnees entieres, ottantes, simple ou double precision, on dispose des alias suivants: A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 29 / 34IntroductionOutil OpenCV
OpenCV
Classes de basesDimensionSizeRepresente la taille d'un objet rectangulaire a 2 dimensions. Comme pour les points il s'agit d'une structure generique.Et on dispose des alias suivant : A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 30 / 34IntroductionOutil OpenCV
OpenCV
Classes de basesVecteurVecRepresente un vecteur generique de faible dimension (10).A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 31 / 34
IntroductionOutil OpenCV
OpenCV
Classes de basesVecteurVecEt on dispose des alias suivant : A. ELHASSOUNY (GL ENSIAS)IndexationMaster B2dS 32 / 34IntroductionOutil OpenCV
OpenCV
Classes de basesLa classeMATLa classe Mat (pour matrice) permet de stocker l'image sous forme matricielle.Chaque objet Mat possede deux parties :quotesdbs_dbs35.pdfusesText_40[PDF] recherche d'image par contenu visuel
[PDF] comment indexer une image
[PDF] indexation images
[PDF] indexation et recherche d'images
[PDF] descripteurs d'images
[PDF] la bastille paris
[PDF] la bastille 1789
[PDF] qu'est ce que la bastille
[PDF] multiplication a trou cm2
[PDF] bastille place
[PDF] la bastille aujourd'hui
[PDF] soustraction a trou cm2
[PDF] bastille arrondissement
[PDF] multiplication a trou 6eme