Mengenal Pengertian Image Retrieval, Apa itu Pengambilan Gambar, System, dan Content-Based Image Retrieval? Jenis Macam, Contoh Penerapan, serta Penelitian Terkaitnya!

Benar! Seperti yang dapat kita lihat sekarang ini, khususnya di tahun 2024 sekarang ini, dengan munculnya e-commerce (lihat pembahasan terkait apa itu e-commerce di sini) dan situs online (seperti website dan blog), implementasi serta aplikasi pengambilan gambar atau yang lebih dikenal dengan istilah image retrieval, kini penggunaannya telah meningkat sepanjang kehidupan kita sehari-hari. Sebagai contoh misalnya seperti di Amazon, Alibaba, Myntra, dan lain sebagainya.

Benar! Mereka sekarang telah banyak memanfaatkan pengambilan gambar untuk mengedepankan apa yang mereka anggap sebagai produk yang paling sesuai.

Yup! Retriever foto tersebut dilakukan berdasarkan apa yang telah kita lihat barusan (content-based).

Tentu saja, pengambilan gambar tersebut hanya dilakukan ketika teknik pengambilan informasi (pahami selengkapnya tentang apa itu arti kata informasi di postingan ini) yang biasa gagal (atau tidak bisa digunakan).

Sebagai contoh misalnya, mata manusia kita akan dengan mudah menyatukan semua kemeja di sebelah kanan menjadi serupa meskipun pendekatan berbasis metadata akan gagal.

Oke, terkait hal tersebutlah, dalam postingan kali ini, Kami akan membahas secara lebih lengkap dan detail terkait apa itu pengertian dari image retrieval, system, serta content-based-nya.

Baik, langsung saja, mari kita simak lebih lanjut ulasannya berikut ini.

Pengertian Image Retrieval

Berarti pengambilan gambar (dalam bahasa Indonesia), image retrieval adalah proses browsing, mencari, dan mengambil gambar dari sumber data gambar digital yang besar.

Image retrieval pada esensi dasarnya adalah masalah menemukan suatu citra dari suatu kumpulan atau database berdasarkan ciri-ciri dari suatu citra query, di mana sebagian besar cirinya adalah kesamaan visual sederhana antara gambar.

Terkait metodenya sendiri, adapun menurut Situs Wikipedia, metode image retrieval (pengambilan gambar) yang paling tradisional dan umum menggunakan beberapa metode penambahan metadata seperti teks, kata kunci atau keyword, judul, serta deskripsi ke gambar sehingga pengambilan dapat dilakukan pada kata-kata anotasi.

Caption anotasi gambar manual memakan waktu, melelahkan, serta memerlukan biaya, sehingga untuk mengatasi hal ini, ada banyak penelitian yang dilakukan pada anotasi gambar otomatis (seperti automatic image caption generation yang merupakan jenisnya).

Selain itu, peningkatan aplikasi web sosial dan web semantik (semantic) telah mengilhami pengembangan beberapa alat anotasi gambar berbasis web.

Apa itu Pengambilan Gambar?

Jadi, apa itu sebenarnya yang dimaksud dengan pengambilan gambar, khususnya dalam konteks ilmu komputer?

Oke, seperti yang sudah Kami jelaskan di atas, istilah ini lebih dikenal dengan sebutan image retrieval secara global.

Pengambilan gambar merupakan proses pencarian gambar digital dalam data gambar skala besar, yang berbasis komputer untuk menelusuri, mencari, dan mengambil gambar dari gambar digital.

Dalam masalah yang kompleks, sifat dapat berupa kesamaan gaya atau bahkan kualitas yang saling melengkapi dari 2 (dua) gambar.

Karena gambar dalam bentuk aslinya tidak mencerminkan sifat-sifat ini dalam data berbasis pikselnya, kita perlu mengubah data piksel ini menjadi ruang laten di mana representasi gambar akan mencerminkan sifat-sifat tersebut.

Sebagai aturan umum, setiap 2 (dua) gambar serupa akan terletak lebih dekat satu sama lain di ruang laten sedangkan gambar yang berbeda akan terletak jauh. Ini adalah aturan dasar yang mengatur dengan mana kita akan melatih model kita.

Setelah kami melakukan ini, bagian pengambilan hanya menjelajahi ruang laten untuk mengambil gambar terdekat di ruang laten yang diberikan representasi dari gambar kueri.

Sebagian besarnya, metodenya juga dapat dilakukan dengan bantuan pencarian tetangga terdekat (nearest neighbor).

Secara fungsi dan tujuannya, dengan demikian kita dapat membagi metodologi kita menjadi 2 (dua) bagian:

• Image Representation (Representasi Gambar)
• Searching (Pencarian)

Apa itu Image Retrieval System?

Kemudian, apa itu definisi dari image retrieval system?

Sama seperti pengertian image retrieval di atas, ini merupakan sebuah “sistem” pengambilan gambar adalah sistem komputer yang digunakan untuk browsing, mencari dan mengambil gambar dari database besar gambar digital (lebih mengacu pada penerapan atau sistemnya).

Adapun untuk contoh diagram blok dari sistem pengambilan gambar atau image retrieval system dapat kalian lihat pada gambar berikut.

Ya, terkait sejarahnya sendiri, adapun sejarah dari image retrieval system atau sistem pengambilan database gambar berbasis komputer mikro pertama dikembangkan di MIT, pada tahun 1990-an, oleh para ahli atau pakar bernama Banireddy Prasaad, Amar Gupta, Hoo-min Toong, dan Stuart Madnick.

Apa itu Content-Based Image Retrieval System (CBIR)?

Lalu, apa itu yang dimaksud dengan content-based image retrieval atau CBIR?

Oke, pengambilan foto atau gambar berbasis konten juga dikenal sebagai Query By Image Content (QBIC) dan Content-Based Visual Information Retrieval (CBVIR), Content-Based Image Retrieval (CBIR) adalah aplikasi teknik Computer Vision (baca pengertian dari Computer Vision atau CV di sini) untuk masalah pengambilan gambar, yakni masalah pencarian gambar digital.

Pengambilan gambar berbasis konten bertentangan dengan pendekatan berbasis konsep tradisional, di mana “Content-Based” atau “Berbasis konten” di sini berarti bahwa penelusuran menganalisis konten gambar, bukan metadata seperti kata kunci, tag, atau deskripsi yang terkait dengan gambar.

Istilah “content” atau “konten” dalam konteks ini mungkin merujuk pada warna, bentuk, tekstur, atau informasi lain apa pun yang dapat diturunkan dari gambar itu sendiri.

CBIR merupakan cara yang sangat dibutuhkan karena penelusuran yang hanya mengandalkan metadata bergantung pada kualitas dan kelengkapan anotasi.

Jenis dan Macam-Macam Image Retrieval

Setelah kita sudah memahami tentang pengertian apa itu pengambilan gambar, kita pastinya juga perlu mengetahui seperti apa jenis dan macam-macam dari image retrieval.

Yup! Dengan bidang pemrosesan gambar digital berkembang pesat, buku teks yang akan jauh melampaui teori dan aplikasi untuk menangani algoritma dasar sangat dibutuhkan.

Algoritma dalam image processing (pemrosesan gambar) serta implementasinya mencoba mengisi signifikansi saat ini, memiliki perpustakaan metodologi yang komprehensif untuk pemrosesan gambar digital, penulisan kode, dan analisis untuk para engineer (insinyur) dan scientist (ilmuwan).

Terkait jenisnya, untuk keandalan dan rekam jejak di dunia penelitian, algoritma transformasi gambar digital, deteksi anomali tepi, dan teknik segmentasi gambar diperoleh dengan hati-hati dari penelitian.

Berkat pertumbuhan teknologi baru-baru ini, penggunaan kamera digital, telepon, dan internet tentunya sudah sangat berkembang.

Jenis dan macam-macam bentuk lain terkait image retrieval yaitu adalah image classification dan image captioning (baca pengertian mage captioning di sini).

Media digital terdistribusi dan data yang diproses adalah, sehingga menemukan atau mengambil gambar terkait dengan repositori adalah masalah penelitian yang sulit.

Struktur dari sistem pengambilan gambar (image retrieval system) terdiri dari sistem program komputer untuk mengakses, mencari, dan mengambil gambar melalui database gambar elektronik yang besar.

Selain itu, peningkatan aplikasi media sosial dan sistem cerdas telah memotivasi banyak aplikasi anotasi gambar berbasis web untuk berkembang.

Banyak pendekatan ekstraksi informasi konvensional dan modern menggunakan beberapa bentuk penambahan metadata ke gambar, seperti teks, pengidentifikasi yang disebut kata kunci, atau penjelasan, sehingga pemrosesan dapat dilakukan melalui istilah metadata.

Benar! Seperti yang sudah Kami terangkan di atas, anotasi atau penandaan gambar yang dilakukan manual memakan waktu, melelahkan, dan biaya yang tidak sedikit (alias mahal), sehingga sejumlah besar pekerjaan pada anotasi gambar otomatis juga telah dilakukan untuk mengatasi hal ini.

Contoh Penerapan atau Implementasi dari Image Retrieval

Agar kita dapat lebih memahami maksud dari pembahasan pengertian, fungsi, serta jenis macam dari image retrieval, maka kita juga perlu melihat seperti apa example atau contoh penerapan, serta implementasinya.

Baiklah, di bawah ini adalah beberapa contoh penerapan atau implementasi dari image retrival yang harus kalian ketahui.

1. Reverse Image Search Engine

Pencarian gambar terbalik atau yang dikenal dengan reverse images search engine adalah contoh pertama yang akan Kami jelaskan di sini.

Ada beberapa peluang menggunakan mesin pencari untuk gambar terbalik.

Dengan tools atau alat iniAnda bisa menjadi seorang seniman yang mencoba melihat apakah ada orang yang mengeksploitasi gambar Anda tanpa izin.

Selain itu, Anda juga bisa menjadi desainer grafis yang mencari versi gambar yang lebih besar.

Yup! Pencarian gambar yang serupa adalah, dengan kata sederhana, semacam daftar internet tempat Anda mengirimkan gambar (daripada memasukkan kata kunci berbasis teks atau ucapan) untuk mencari konten berbasis permintaan.

Anda dapat dengan mudah menemukan foto terkait visual dari seluruh web dengan pencarian gambar Google dan mendapatkan informasi relatif tentang gambar seperti item atau lokasi di dalamnya, serta metadatanya seperti nama objek.

Dalam istilah teknis, pencarian gambar terbalik beroperasi dengan menggunakan metode kueri yang disebut Content-Based Image Retrieval (CBIR) untuk mengambil gambar digital dari Internet memanfaatkan model matematika.

Hal ini juga berlaku untuk pencarian dengan gambar oleh Google.

Gambar contoh adalah apa yang mengusulkan permintaan pencarian untuk mendapatkan informasi dan dengan demikian mengurangi kebutuhan pengguna untuk menafsirkan kata kunci.

2. Picture Search Tools

Contoh berikutnya yaitu alat pencarian gambar atau picture search tools.

Betul! Bagi banyak pengguna web, pencarian gambar seperti yang dapat kita lihat di Google adalah tolak ukurnya.

Umumnya, ini adalah tempat pertama kebanyakan orang muncul ketika ingin menemukan gambaran yang jelas tentang di mana pun kebutuhan mereka berada.

Memang, sebagian besar pengguna menggunakan Google sebagai tolak ukur untuk mengevaluasi keluaran mesin pencari lain pada foto.

Jadi, jika Google sangat luar biasa, lalu mengapa banyak pengganti lain tersedia?

Penjelasannya adalah bahwa meskipun Google dapat menjadi alat yang luar biasa untuk pencarian gambar, mesin pencari tertentu mendapatkan beberapa ciri khusus yang dapat menghasilkan lebih banyak hasil yang dibuat khusus atau relevan untuk pencarian gambar tingkat lanjut.

Tapi sementara Google dapat menjadi runner dari mesin pencari, banyak pengguna mencari satu gambar tertentu di akhir pertanyaan, yang ideal untuk keinginan dalam jumlah waktu minimum.

Di situlah mesin pencari alternatif untuk gambar seperti pencarian alat web pencarian gambar mungkin sangat membantu.

Penelusuran gambar difokuskan pada algoritme penyandian eksklusif yang merayapi web untuk membuat indeks gambar yang dapat diurutkan.

Seorang pengguna setelah itu hanya perlu mengirimkan permintaan yang mengembalikan gambar mini yang diurutkan sesuai dengan relevansinya.

Dengan mengklik thumbnail-nya maka itu akan mengarahkan pengguna ke halaman web dari mana gambar itu berasal.

Penelitian dalam Bidang Terkait Content-Based Image Retrieval

Berkenaan dengan hal di atas, di sini juga perlu Kami paparkan terkait apa saja penelitian dalam bidang Content-Based Image Retrieval yang perlu diketahui.

Berbagai jenis dan macam metode berbasis pembelajaran mendalam telah menjenuhkan budaya pembelajaran mesin atau Machine Learning (ML) serta Deep Learning (DL).

Task atau tugas yang paling sulit dalam pengenalan gambar, seperti mengidentifikasi, menemukan, mengenali, dan mengelompokkan objek dalam mode tanpa pengawasan (unsupervised), secara efektif ditangani oleh berbagai bentuk jaringan saraf dalam (neural network), seperti jaringan saraf Coevolutionary, pembelajaran pengaruh (Influence Learning), jaringan permusuhan (network of adversarial), dan autoencoder.

Meskipun masih banyak masalah teoretis yang melibatkan domain pengenalan atau identifikasi objek, beberapa teknologi pembelajaran mendalam baru telah dikembangkan sehubungan dengan metode segmentasi gambar (image segmentation).

Algoritma hashing yang mendapatkan fitur gambar (image feature berupa vector) dan mengetahui interpretasi boolean daripadanya.

Ini adalah pendekatan kuat perpeloncoan digital sebagai hashing visual atau yang dikenal dengan istilah Digital Semantics Assisted Visual Hashing (SAVH).

Ya, perlu kalian ketahui bahwa program ini menggunakan 2 (dua) elemen yaitu offline training dan online training.

Awalnya, dalam pembelajaran tanpa daring (offline learning), piksel objek diubah menjadi model matematika vektor dengan mengumpulkan fungsi visual dan tekstur.

Setelah itu, dengan bantuan hypergraph subjek, teks yang meningkatkan grafik visual diambil dan informasi semikonduktor dikumpulkan dari data tekstual dan kemudian kode hash gambar dikelola untuk dipelajari yang mempertahankan korelasi gambar antara semikonduktor dan gambar, dan setelah itu kode fungsi hash dihasilkan dalam respons agresif berurutan.

Fitur-fitur menarik tersebut berkontribusi pada tuntutan Content-Based Image Retrieval (CBIR) untuk skenario aplikasi yang sebenarnya.

Selain itu, aplikasi Convolutional Neural Network (CNN) dalam data science (lihat makalah lengkap Kami tentang pengantar data science di sini) telah menunjukkan hasil yang mengesankan, terutama dalam model CBIR.

Banyak model CNN menggunakan CNN tunggal dengan mencoba metode modulasi frekuensi yang sangat sedikit untuk mendapatkan karakteristik pada lapisan terakhir dan kelemahannya adalah membatasi penggunaan lapisan konvolusi transisional untuk mengklasifikasikan pola gambar lokal.

Fungsi hashing mendapatkan fokus yang efektif dalam CBIR untuk pencarian gambar yang efisien.

Hasil hashing memberikan kode biner yang identik dengan konten terkait gambar yang menerjemahkan informasi visual dimensi tinggi melalui ruang biner dimensi rendah.

Strategi seperti itu pada dasarnya bergantung pada CNN, dan dapat dipercaya bahwa label semantik dijelaskan oleh berbagai karakteristik lapisan laten (kode biner), dan identifikasi juga bergantung pada karakteristik ini.

Teknik hashing yang diaduk dengan giat membangun algoritma hashing dari lapisan bawaan di jaringan saraf dalam berdasarkan strategi ini, dan kode biner dikelola untuk belajar dari variabel keputusan yang mengklarifikasi kesalahan prediksi dan karakteristik berguna lainnya dalam kode biner.

Kesimpulan

Oke, Kami pikir sudah cukup jelas sekarang dalam pembahasan terkait Pengertian Image Retrieval, Apa itu Pengambilan Gambar, System, dan Content-Based Image Retrieval? Jenis Macam, Contoh Penerapan, serta Penelitian Terkaitnya.

Berdasarkan penjelasan di atas, dapat kita simpulkan bahwa pengambilan gambar atau image retrieval adalah proses penelusuran, mencari, dan mengambil gambar dari basis data besar gambar digital.

Pengambilan gambar di sini merupakan cara pengambilan gambar digital dalam data gambar skala besar, yang berbasis komputer untuk menelusuri, mencari, dan mengambil gambar dari gambar digital.

Secara khusus, task atau tugasnya dapat kita katakan seperti mengambil foto yang relevan dari database.

Sekarang ini, banyak metode-metode yang dikembangkan terkait masalah image retrieval ini, khususnya semenjak kemampuan komputasi yang dimiliki oleh manusia sudah meningkat (seperti penggunaan Graphical Processing Unit atau GPU) dan sudah hebat.

Selain itu, jenis dan macamnya juga banyak diteliti oleh para peneliti, terlebih karena masalah tersebut merupakan hal yang menantang untuk didalami lebih lanjut.

Penutup

Demikianlah postingan artikel yang dapat Kami bagikan kali ini, di mana Kami membahas terkait Pengertian Image Retrieval, Apa itu Pengambilan Gambar, System, dan Content-Based Image Retrieval? Jenis Macam, Contoh Penerapan, serta Penelitian Terkaitnya.

Semoga apa yang sudah Kami coba sampaikan serta jelaskan di sini dapat bermanfaat dan juga dapat menambah wawasan dan pengetahuan kita semua terutama dalam bidang teknologi, khususnya berkenaan dengan Computer Vision (CV).

Silahkan bagikan artikel atau postingan Kami di sini kepada teman, kerabat serta rekan kerja dan bisnis kalian semua khususnya jika kalian temukan ini bermanfaat dan juga jangan lupa subscribe Blog dan YouTube Kami. Sekian dari Kami, Terima Kasih.

Postingan ini juga tersedia dalam versi: