Automatic Image Tagging

Abstract

Las aplicaciones web como ImageShack, Flickr o Facebook que permiten a los usuarios compartir sus imágenes son cada vez mas populares. Cuando el usuario comparte una imagen, se le pide rellenar diferentes campos textuales como título, tags y comentarios entre otros. Esta tarea es aburrida y frustrante a largo plazo y como resultado, la información aportada es escasa y de mala calidad. Esto es perjudicial para los sistemas de búsqueda que explotan la información aportada por el usuario para realizar búsquedas textuales. Un sistema recomendador de tags mejoraría notablemente la calidad de los tags y, por lo tanto, se podrían implementar mejores sistemas de busqueda en estas páginas. Hemos desarrollado un recomendador de tags que, dada una imagen, propone diez tags. El sistema recomendador ha sido entrenado con un gran conjunto de imágenes obtenidas de Flickr. Proponemos nuevos algoritmos que combinan la utilizacion de características tanto globales como locales de la imagen (descriptores MPEG-7 y SURF), asi como técnicas de clustering para afrontar el problema de la recomendación de tags en un tiempo aceptable. [ABSTRACT] Web applications such as ImageShack, Flickr or Facebook that allow users to share their images have become extremely popular. When an image is uploaded, the user is asked to add title, tags, comments and other information. This task is annoying and frustrating for the user and, as a result, little and low quality data is provided. This is harmful for retrieval systems which exploit user annotation to support textual searchs. A tag recommender would certainly improve the quality of the tags, hence better retrieval systems could be implemented in these pages. We implemented a tag recommender that proposes ten tags for a given query image. The recommender is trained with a large dataset of over 100000 annotated images crawled from Flickr. We propose new algorithms that combine the use of both global and local features (MPEG-7 and SURF descriptors) and clustering techniques in order to address the tag recommendation problem in an acceptable time.