Content Based Image Retrieval (CBIR) ist eine Reihe von Techniken zum Auffinden semantisch relevanter Bilder aus einer Bilddatenbank auf der Grundlage automatisch abgeleiteter Bildmerkmale oder Bildinhalte. Aus den frühen CBIR-Verfahren geht hervor, dass die zur Darstellung von Bildern verwendeten Low-Level-Merkmale häufig globale Merkmale sind, die aus einem gesamten Bild extrahiert werden. Die Leistung dieser CBIR-Ansätze ist jedoch noch weit von den Erwartungen der Benutzer entfernt. Das Problem kann auf die folgenden zwei Gründe zurückzuführen sein. Erstens ist es nicht...

La récupération d'images basée sur le contenu (CBIR) est un ensemble de techniques permettant de récupérer des images sémantiquement pertinentes à partir d'une base de données d'images, en se basant sur des caractéristiques d'image ou sur le contenu de l'image dérivés automatiquement. Les premières approches CBIR montrent que les caractéristiques de bas niveau utilisées pour représenter les images sont souvent des caractéristiques globales extraites d'une image entière. Cependant, les performances de ces approches CBIR sont encore loin des attentes des utilisateurs. Ce...

Content Based Image Retrieval (CBIR) is a set of techniques for retrieving semantically relevant images from an image database based on automatically derived image features or image content. From early CBIR, it can be seen that the low level features applied in representing images are often global features which are extracted from an entire image. However the performance of these CBIR approaches is still far away from user's expectation. The problem can be due to the following two reasons. First, it is not unusual that targets, for which the user searches through an image retrieval system,...

Aktive Systeme sind für den Umgang mit dynamischen Ereignissen in verschiedenen Bereichen, einschließlich Geschäftsprozessen, von entscheidender Bedeutung. In der ersten Arbeit wird eine intelligente Methode vorgestellt, die Integer-Codierung für die Protokollvorverarbeitung, Bat-Optimierung für die Merkmalsauswahl und Deep Convolutional Neural Networks für die Erkennung anormaler Ereignisse verwendet, obwohl CNNs keine räumliche Konsistenz aufweisen. Um dieses Problem zu beheben, implementiert die zweite Arbeit Eclat-basiertes Association Rule Mining (EARM) zur Erkennung und...

Les systèmes actifs sont essentiels pour gérer les événements dynamiques dans divers domaines, y compris les processus d'entreprise. Le premier travail introduit une méthode intelligente utilisant le codage des entiers pour le prétraitement des journaux, l'optimisation Bat pour la sélection des caractéristiques et les réseaux neuronaux convolutionnels profonds pour la détection des événements anormaux, bien que les réseaux neuronaux convolutionnels manquent de cohérence spatiale. Pour remédier à ce problème, le deuxième travail met en oeuvre l'extraction de règles...