Document Numérique

Les moteurs de recherche d'images sur le web utilisent principalement l'information textuelle associee aux images afin de retrouver les images pertinentes, tandis que le contenu visuel, moins semantique et plus couteux en temps de calcul, est tres peu utilise dans la phase en ligne. Nous proposons une chaine de traitements complete proposant deux facons efficaces et peu couteuses d'utiliser le contenu visuel des images dans la phase en ligne. La premiere facon propose d'ameliorer la precision des resultats retrouves en filtrant les resultats rextuels en fonctions des concepts visuels detectes dans la requete textuelle. Pour cela, nous apprenons les conepts visuels a l'aide des forets d'abres de decision flous. Ce trovail montre une nette amelioration des resutlats lorsque l'on utilise les concepts apparaissant explicitement dans la requete. La deuxieme facon propose d'ameliorer la diversite des resultats pertinents obtenus afin de mieux satisfaire le besoin d'information de l'utilisateur. Pour cela, nous utilisons un partitionnement de l'espace visuel. Nous montrons que cette approche est effictivement efficace.