Multimedia Retrieval

TEMU KEMBALI INFORMASI
MULTIMEDIA RETRIEVAL
Nama kelompok :
Desi Rahmawati
14.11.0273
Maulana Akbar
14.11.0260
Resni Novelalita
14.11.0258
Riki Aji Pamungkas
14.11.0317
Kurnia Aswin Nuzul .R
14.11.0270
Pradita Novianthy
14.11.0298
Inggita Al Muharomah
14.11.0269
Semuel Haryanto
14.11.0250
Dimas Adhi Nugroho
14.11.0253
MULTIMEDIA
Multimedia Retrieval adalah bagian dari ilmu temu kembali informasi yang
memfokuskan temu kembali informasi dari data multimedia. Berbeda dengan data
yang hanya berupa numerik atau teks, karena data multimedia bisa apa saja seperti
teks, audio, gambar, dan video. Maka multimedia retrieval adalah model temu
kembali informasi berbasis (content-base information retrieval).
MULTIMEDIA
Tujuan dari Temu kembali Informasi Multimedia yaitu untuk memberikan jawaban
yang sesuai dengan kebutuhan pengguna.
Komponen Sistem Temu Kembali Informasi
• Dokumen Multimedia yaitu sistem ini menyimpan data multimedia (teks,
gambar, audio, video, dll) dan disimpan semi struktur yaitu data terstruktur
dan tidak struktur.
• Model temu kembal informasi akan menyajikan sebuah daftar dokumen yang
diurutkan dalam peringkat.
• Analisis dokumen.
• Teknik pencarian interaktif.
MULTIMEDIA
Jenis – jenis Sistem Temu Kembali bidang Multimedia :
• Temu Kembali Audio Berbasis Konten ( Conten Based Audio Retrieval)
• Temu Kembali Video berbasis Konten ( Content Based Video Retrieval)
• Temu Kembali Citra Berbasis Konten ( Content Based Imaged Retrieval)
1.
Teknik pencarian gambar yang mempunyai kemiripan karakteristik.
2.
Proses CBIR yaitu penyimpanan dalam database dilakukan proses
ekstrasi fitur.
3.
Fitur gambar yang digunakan misalnya histogram, susunan warna, tekstur
dan shape tipe spesifik dari objek.
• Temu Kembali Teks Berbasis Konten ( Content Based Text Retrieval)
MULTIMEDIA
Pengukuran Jarak Antar Dua Histogram
• Fitur Warna Merupakan fitur yang banyak digunakan pada sistem CBIR.
• Banyak diantaranya menggunakan image color histogram.
• Color Histogram antara dua gambar tadi kemudia dihitung jaraknya.
• Gambar yang memiliki jarak paling kecil merupakan solusinya.
PEMBELAJARAN DAN SEMANTIK
Pembelajaran dalam Multimedia Retrieval dapat menjembatani kesenjangan
semantic. Terdapat tiga studi yang menarik. Pertama, studi mengenai deteksi objek
pada latar yang kompleks, bagiamana mendeteksi konsep visual yang memiliki
latar yang kompleks. Tantangannya adalah mendeteksi semua isi semantic dalam
sebuah gambar, seperti wajah, pohon, hewan, dan lainnya pada latar yang
kompleks.
PEMBELAJARAN DAN SEMANTIK
Kedua, studi pendeteksian wajah pada latar yang kompleks. Metode pendeteksian
wajah berdasarkan komponen dengan menggunakan statistic juga dilakukan. Pola
gradient digunakan dari ekstraksi gambar atau video untuk mendeteksi wajah
berdasarkan tingkatan kontras objek mata, hidung, dan mulut.
PEMBELAJARAN DAN SEMANTIK
Ketiga, studi mengenai deteksi objek selain wajah pada latar yang kompleks.
Sebuah sistem untuk mendeteksi langit, warna, pohon, gunung, rumput dengan
latar yang kompleks.