Interactive, incremental and multi-level exploration of large collections of images
Exploration interactive, incrémentale et multi-niveau de larges collections d'images
Résumé
The research work that is presented and discussed in this thesis focuses on large and evergrowing
image collections. More specifically, we aim at providing one the possibility to explore
such image collections, either to extract some kind of information and knowledge, or to wander in
the collections. This thesis addresses this issue from the perspective of Interactive Data Exploration
and Analytics. We take advantage of the similarity-based image collection browsing paradigm and
aim at meeting simultaneously the three following constraints: (i) handling large image collections,
up to millions of images, (ii) handling dynamic image collections, to deal with ever-growing image
collections, and (iii) providing interactive means to explore image collections. To do so, we jointly
study the indexing and the interactive visualisation of large and ever-growing image collections.
Our contribution is three-fold. First, we focus on the incremental construction of a proximity
graph, namely the Relative Neighbourhood Graph (RNG), to structure the image collections. Second,
we propose a hierarchical and graph-based hybrid viewable structure to allow an interactive
exploration of large image collections. A data partitioning algorithm, namely BIRCH, is used to
yield this structure. Last, we present our interactive visualisation platform for large image collections.
To evaluate the platform, along with an user evaluation, several different use cases are
discussed such as a recommendation system for ever-growing image collections and visual analysis
system for Document Image Analysis. These use cases are based on real world large image
collections, that contain up to seven millions of images.
Les travaux de recherche présentés et discutés dans cette thèse s’intéressent aux grandes collections
d’images numériques. Plus particulièrement, nous cherchons à donner à un utilisateur la
possibilité d’explorer ces collections d’images, soit dans le but d’en extraire de l’information et de
la connaissance, soit de permettre une certaine sérendipité dans l’exploration. Ainsi, cette problématique
est abordée du point de vue de l’analyse et l’exploration interactive des données. Nous
tirons profit du paradigme de navigation par similarité et visons à respecter simultanément les trois
contraintes suivantes : (i) traiter de grandes collections d’images, (ii) traiter des collections dont
le nombre d’images ne cesse de croître au cours du temps et (iii) donner des moyens d’explorer
interactivement des collections d’images. Pour ce faire, nous proposons d’effectuer une étude conjointe
de l’indexation et de la visualisation de grandes collections d’images qui s’agrandissent au
cours du temps.
Dans un premier temps, nous nous concentrons sur la construction incrémentale d’un graphe
de voisinage, à savoir le Graphe des Voisins Relatifs (GVR), en vue de structurer une collection
d’images. Dans un second temps, nous présentons une structure hybride, combinant hiérarchie et
graphe, et qui est visualisable pour permettre une exploration interactive de grandes collections
d’images. L’algorithme de partitionnement de données BIRCH est exploité pour générer cette
structure. Enfin, nous présentons notre plateforme d’exploration interactive de grandes collections
d’images. Pour évaluer notre plateforme, nous présentons une évaluation utilisateur, aux cotés de
différents cas d’utilisation, tels qu’un système de recommandations ou encore un outil d’analyse
visuelle pour l’analyse d’images de documents. L’ensemble de ces cas d’utilisation implique des
collections d’images réelles, contenant jusqu’à 7 millions d’images.
