Αυτόματη Επιλογή Ετικετών (Tags) για Φωτογραφίες με Βάση Γεωγραφική Θέση τους

Abstract

Η ολοένα και ταχύτερα αναπτυσσόμενη τεχνολογία στον τομέα των πολυμέσων την τελευταία δεκαετία έχει ομολογουμένως καταστήσει εξαιρετικά απλή τη λήψη και την αποθήκευση φωτογραφικού υλικού σε ψηφιακές βιβλιοθήκες. Η δημιουργία σημασιολογικών μεταδεδομένων για το περιεχόμενο των φωτογραφιών στα πλαίσια αυτών των συλλογών φωτογραφιών παραμένει ένας σημαντικός στόχος. Μεγάλο μέρος του σχολιασμού των φωτογραφιών, με την προσθήκη ετικετών μπορεί να βελτιώσει σημαντικά τη χρησιμότητα αυτών των συλλογών. Αυτή την περιοχή προσπαθεί να ενισχύσει η συγκεκριμένη διπλωματική εργασία, η οποία επικεντρώνεται στο Flickr, που αποτελεί μία ενεργή διαδικτυακή υπηρεσία διαμοιρασμού φωτογραφιών. Εφαρμογές όπως το Flickr παρέχουν μια μεγάλη συλλογή από φωτογραφίες οι οποίες χαρακτηρίζονται από την γεωγραφική θέση όπου έγινε η λήψη της φωτογραφίας και από ένα σύνολο από ετικέτες (tags) που περιγράφουν το περιεχόμενο των φωτογραφιών. Με την βοήθεια τεχνολογιών όπως WIFI και GPS οι σύγχρονες φωτογραφικές μηχανές μπορούν αυτόματα να προσδιορίσουν την γεωγραφική θέση όπου έγινε η λήψη μιας φωτογραφίας. Σκοπός αυτής της διπλωματικής εργασίας είναι η δημιουργία μιας εφαρμογής η οποία θα συνδυάζει αυτή την πληροφορία με την πληροφορία που διαθέτουν οι φωτογραφίες, ώστε να βελτιωθεί η περιγραφή τους. Η εφαρμογή αυτή αρχικά θα συνδεθεί με το Flickr για το σκοπό της δημιουργίας βάσεων δεδομένων, που θα περιέχουν στοιχεία για τις φωτογραφίες και τις ετικέτες τους. Στη συνέχεια θα κατηγοριοποιεί τις ετικέτες με τη βοήθεια του WordNet, που αποτελεί μία μεγάλη λεξιλογική βάση δεδομένων της Αγγλικής γλώσσας. Έπειτα, θα παίρνει τα δεδομένα της φωτογραφίας του χρήστη καθώς και μία ετικέτα, και θα υπολογίζει έναν δείκτη επιρροής για κάθε υποψήφια ετικέτα, ο οποίος θα συνυπολογίζει την συνεμφάνιση των ετικετών με την απόσταση των φωτογραφιών. Τέλος θα παρέχει στο χρήστη ένα Web γραφικό περιβάλλον όπου θα του παρουσιάζονται οι προτεινόμενες ετικέτες, δηλαδή οι ετικέτες με το μεγαλύτερο δείκτη επιρροής. Στη διαδικασία του σχεδιασμού και τις υλοποίησης, αξιοποιήθηκαν σε ένα μεγάλο βαθμό οι δυνατότητες που προσφέρει το εξαιρετικά οργανωμένο και λειτουργικό Flickr API καθώς και τα APIς των WordNet και Google Maps. Χρησιμοποιήθηκαν δημοφιλή εργαλεία και πλατφόρμες ανάπτυξης, όπως η γλώσσα προγραμματισμού Java, η πλατφόρμα σχεδίασης Web εφαρμογών HTML/CSS/JavaScript/JQuery και η σχεσιακή βάση MySQL με στόχο η εφαρμογή να είναι αυτόνομη αλλά να μπορεί να εισαχθεί και σε κάποια άλλη πλατφόρμα.

Innovations in consumer photography have made it exceedingly simple for people to capture images and store them into digital libraries. The creation of semantic metadata about photo content remains an elusive goal. Some amount of annotation can significantly improve the usefulness of such photo collections. This area seeks to strengthen the specific thesis, which focuses on Flickr, an active online photo sharing service. Applications like Flickr provide a great collection of photos which are characterized by the location where the photo was taken, and a set of tags that describe the content of the photos. With technologies such as WIFI and GPS, the modern cameras can automatically determine the geographical location where the photo was taken. The purpose of this thesis is the creation of an application that combines this information with the information that the photos have, in order to improve their description. This application will initially connect to the Flickr with purpose to create databases, which will contain data for the photos and their tags. Then, it will categorize the tags using WordNet, which is a large lexical database of English. Thereafter it will take the photo data from the user and a tag, and it will calculate an influence score for every candidate tag, a score that will take into account the tag co-occurrence as well as the distance between the photos. Finally it will provide to the user a web graphical interface where the recommended tags will be presented, that are the tags with the highest influence score. During the process of planning and implementation, the potential of the highly organized and functional Flickr API, were used to a large extent, as well as those of the APIs of WordNet and Google Maps. Popular tools and development platforms were used, such as the programming language JAVA, the web applications design platform HTML / CSS / JavaScript / JQuery and MySQL relational database so that the application can be autonomous but still able to be inserted in another platform.