Pular para o conteúdo
Disponível para estágio em desenvolvimento, automação e infraestrutura.Fale comigo
RGW.
Todos os projetos

CBIR

Acadêmico

Recuperação de imagens por conteúdo.

Ano
2026
Papel
Projeto acadêmico
Contexto
Visão computacional

Tecnologias: Python, NumPy, OpenCV, Matplotlib

Sobre

Implementação acadêmica de Content-Based Image Retrieval com um descritor HOG simplificado e informação espacial. O conjunto incluído possui 25 documentos divididos em cinco classes e cinco consultas.

Cada documento é separado em nove regiões. Para cada consulta, o sistema seleciona automaticamente a região do maior componente conectado e compara seu descritor com as regiões indexadas.

25 documentos em cinco classes, usados no índice de avaliação.
25 documentos em cinco classes, usados no índice de avaliação.

Pipeline

  1. Imagens em escala de cinza, 256 x 256.
  2. Grade fixa de 3 x 3 regiões.
  3. HOG simplificado de 128 dimensões.
  4. Similaridade de cosseno combinada com IoU espacial.
  5. Ranking top-5 por consulta.
score = 0.8 * similaridade_de_cosseno + 0.2 * IoU

Resultados

Esses números descrevem somente as cinco consultas incluídas e não devem ser interpretados como benchmark geral. O conjunto pequeno demonstra o pipeline, mas é insuficiente para comparar abordagens com significância estatística.

MétricaResultado
Top-1 accuracy40%
Recall@560%
MRR0,50
Consulta original_11_6 e o ranking top-5 por similaridade visual; melhor resultado com similaridade 0,70.
Consulta original_11_6 e o ranking top-5 por similaridade visual; melhor resultado com similaridade 0,70.
O mesmo conjunto avaliado por sobreposição espacial (IoU), que responde por 20% da pontuação final.
O mesmo conjunto avaliado por sobreposição espacial (IoU), que responde por 20% da pontuação final.