Prim Hírek

Manapság a képek felkutatása a céges archívumokból vagy online képtárakból szinte kizárólag azok szöveges elnevezésére való rákereséssel történik. Ennek megfelelően a felhasználó keresési találatai között csak olyan fotók jelennek meg, amelyek címében szerepel a megadott kulcsszó. A témájukban egyező, azonban szöveges jellemzésükben hiányos találatok elvesznek, vagyis a kívántnál kevesebb releváns kép akad fenn a találati szűrőn. A Xerox szakemberei ezen az alacsonyabb hatásfokú keresési formulán szeretnének változtatni azzal, hogy olyan képfelismerő- és elemző alkalmazásokat dolgoznak ki, amelyek kiegészítik a szöveges keresést egy automatikus képfelismerési modullal.

„Az archívumokat kezelő rendszert mintaképek segítségével megtanítjuk arra, hogy felismerje a keresett kép különböző elemeit. Ha például olyan képet keresünk, amelyen egy spánielt sétáltató fiatal lány látható, aki a nyakába húzott kapucnis felsőben az eső áztatta erdőt járja, akkor ezeket az elemeket egyenként, illetve együttesen is értelmezni tudja az erre felkészített rendszer. Azaz, ha egyszerű kereséssel a kutyasétáltatás a megadott kulcsszó, akkor úgyis találatként jelenik meg, és akkor is, ha összetett keresés esetén egyszerre több képjellemzőt adunk meg” – hangsúlyozta a rendszer működése kapcsán Csurka Gabriella, a projekt egyik szakértője. A szakember beszámolója szerint előrehaladott elméleti kutatásokat végeznek a képek esztétikai besorolása érdekében, hogy ez a szempont is keresésre alkalmas kategóriává válljon a jövőben. Ennek révén arra is lehetőség nyílik majd, hogy a képek által keltett érzelmi benyomások és hangulatok megjelenjenek a keresési feltételek közt.

A most tesztelés alá vont Xerox képfelismerő- és elemző megoldás már több ezer képkategóriát (köztük tájakat, tárgyakat, állatokat, de úgyszintén absztrakt kategóriákat, mint „teniszmérkőzés” vagy „esküvő”) képes eredményesen megtanulni mintaképek alapján, így ugyanennyi besorolási szempont alapján válik kereshetővé az adott felvétel. A megoldást szöveges keresőfunkcióval kombinálva gyakorlatilag bármilyen általános kulcsszóra (beleértve például konkrét személyek vagy helyek nevét) rákereshetünk, jelentősen javítva a keresés eredményét.

A legnagyobb kihívást a projektben az jelenti, hogy a rendszer a mintaképek betáplálása után és azok állandó ismétlő monitorozása alapján kellő pontossággal határozza meg a jellemző elemeket (formákat, színeket, kontrasztokat, személyeket, szöveges tartalmakat, anyagokat vagy a felületek minőségét) és ismerje fel azokat a későbbiekben. Jelenleg az alkalmazás keresési beállításainak finomhangolása zajlik, a rendszer széleskörű elterjedése a kutatások befejezését, és a sikeres tesztelések lezárását követően várható. Mivel a kutatók a multimodális – azaz a kép- és szövegalapú keresést kombináló – keresésben látják a jövőt, az utóbbi keresési mechanizmusra épülő technológiát is folyamatosan fejlesztik. Ráadásul ezen megoldás elemei már megtalálhatóak a vállalat szolgáltatásaiba épített néhány munkafolyamatban is. A szövegalapú Litigation Services szolgáltatáson keresztül például sikerrel alkalmazzák a csoportosítást és kategorizálást egyszerűsítő folyamatokat a jogi dokumentumok elrendezésében – e-dokumentumok millióit kezelik a Xerox által fejlesztett rendszerek, könnyebbé téve az ügyészek és ügyvédek munkáját.

A Xerox által felvásárolt, informatikai- és üzleti folyamatokat kiszervező vállalat, az Affiliated Computer Services (ACS) szintén beépíti szolgáltatásaiba a Xerox európai kutatóközpontjának fejlesztéseit. Az eredmények felhasználása széles spektrumon mozog, az irodai archívumkezeléstől az egészségügyig sok területen képes azonnali és hathatós segítséget nyújtani a napi munka egyszerűsítésében, és hatékonyságának növelésében. Az Aladin kutató programban például olyan kategorizálási módszer kifejlesztésén dolgoznak, amelynek révén a betegségek azonosítása válik gyorsabbá a lelettárolási rendszer kiépítésével. A felhasználási területek száma gyakorlatilag végtelen – többek között a közlekedésszervezésben is komoly hasznát lehet venni a képfeldolgozási eljárásoknak: a rendszer segítségével a kamerák például rendszám alapján képesek pillanatok alatt ellenőrizni, hogy jogosultan veszi-e igénybe az ott közlekedő jármű a buszsávot.