Exploitation du contenu visuel pour améliorer la recherche textuelle d'images en ligne

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 textuels en fonction des concepts visuels detectes dans la requete textuelle. Pour cela, nous apprenons les concepts visuels a l'aide de forets d'arbres de decision flous. Ce travail montre une nette amelioration des resultats 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 effectivement efficace.