Neelanjan Bhowmik (Dr)

Au MATIS depuis 2013

Contact : neelanjan.bhowmik(at)ign.fr


Post-doctorant
Axe de recherche ATOLL



Sujet de recherche

Indexer une image à partir de son contenu visuel nécessite d’abord de produire un résumé visuel de ce contenu pour un usage donné, qui sera l’index de cette image dans la collection. Dans cette thèse, nous nous focaliserons sur la famille des descripteurs locaux, avec pour application la recherche d’images ou d’objets par l’exemple dans une collection d’images. Trois pistes d’investigation seront privilégiées:

1. Complémentarité des descripteurs: Notre premier objectif traite de l’évaluation de la complémentarité des descripteurs locaux existant, en proposant des critères statistiques d’analyse de leur distribution, comme dans ou encore leur complémentarité dans l’image.

2. Combinaison pour la recherche d’images par l’exemple: Le coeur de la thèse reposera sur la proposition d’un modèle permettant la combinaison, précoce ou tardive, de descripteurs de bas niveau et génériques pour l’obtention d’un descripteur de plus haut niveau sémantique répondant à un scénario d’usage donné, tout en gardant un niveau suffisant de généricité afin de permettre l’indexation de différents types de contenus visuels.

3. Réorganisation des réponses: Dans les systèmes de recherche d’images par l’exemple, les images retournées sont généralement triées par similarité décroissante, de manière à visualiser en premier les réponses les plus proches de la requête exemple.

Mots clés: Descripteurs d'images, Fusion, CBIR, Index inversé


Research topic:

Content-Based Image Retrieval (CBIR) is a discipline of Computer Science which aims at automatically structuring image collections according to some visual criteria. The offered functionalities cover the efficient access to images in a large database of images, or the identification of their content through object detection and recognition tools. The focus of this thesis is on the family of local descriptors, with application to image and object retrieval by example in a collection of images. Three directions of research will be investigated:

1. Complementarity of the descriptors: The first objective concerns the evaluation of the complementarity of existing local descriptors by proposing statistical criteria of analysis of their distribution.

2. Combination applied to query-by-example image retrieval: The core of the thesis will rest on the proposal of a model for combining low level and generic descriptors in order to obtain a descriptor of higher semantic level adapted to a given use case, while maintaining genericity in order to be able to index different types of visual contents.

3. Re-ranking of the response: When considering multi-descriptor retrieval, the sorting can be done likewise, i.e. given a global similarity measure, but the responses can also be organized more accurately by exploiting the multiplicity of the visual characteristics searched.

Key Words: Image descriptors, Fusion, CBIR, Inverted index




 



Formation

Thèse en soutenue en 2017 (University Paris Est):
Multi-descriptor retrieval in digitalized photographs collections
Dirigée par Valérie Gouet-Brunet, dirigée par : Gabriel Bloch.

2004 - 2008 : Bachelor in Engineering. Electronics Engineering, RTM Nagpur University, India.

2011 – 2012 : Master in Science. Computer Vision Engineering, The University of Sheffield, UK.



Parcours professionnel

2008 – 2011 : Tech Mahinda Ltd. (working for British Telecom Plc. UK project - as a software developer).



Compétences

Image and Video Processing.



Publications

Articles de revues avec comité de lecture

N. Bhowmik, V. Gouet-Brunet, G. Bloch, S. Besson. Combination of image descriptors for the exploration of cultural photographic collections. Journal of Electronic Imaging 26(1), 011019, 19 December 2016.

Articles de conférences avec comité de lecture

N. Bhowmik, V. Gouet-Brunet, L. Wei, G. Bloch. Adaptive and optimal combination of local features for image retrieval. International Conference on Multimedia Modeling (MMM), Reykjavik, Iceland, January 4-6, 2017.

N. Bhowmik, L. Weng, V. Gouet-Brunet, B. Soheilian. Cross-domain Image Localization by Adaptive Feature Fusion. Joint Urban Remote Sensing Event (JURSE), Dubai, UAE, March 6-8, 2017.

N. Bhowmik, R. Gonzalez, V. Gouet-Brunet, H. Pedrini, G. Bloch. Efficient fusion of multidimentional descriptors for image retrieval. International Conference on Image Processing (ICIP), Paris, France, October 27-30, 2014.



Site internet de la recherche à l'IGN