TEMU KEMBALI INFORMASI

Presentasi berjudul: "TEMU KEMBALI INFORMASI"— Transcript presentasi:

1 TEMU KEMBALI INFORMASI
MULTIMEDIA RETRIEVAL Nama kelompok  : Desi Rahmawati Maulana Akbar Resni Novelalita Riki Aji Pamungkas Kurnia Aswin Nuzul .R Pradita Novianthy Inggita Al Muharomah Semuel Haryanto Dimas Adhi Nugroho

2 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).

3 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.

4 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) Teknik pencarian gambar yang mempunyai kemiripan karakteristik. Proses CBIR yaitu penyimpanan dalam database dilakukan proses ekstrasi fitur. Fitur gambar yang digunakan misalnya histogram, susunan warna, tekstur dan shape tipe spesifik dari objek. Temu Kembali Teks Berbasis Konten ( Content Based Text Retrieval)

5 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.

6 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.

7 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.

8 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.