1,720,969 research outputs found
Recherche d'images basée sur le contenu : Réseaux de neurones profonds pour l'exploration de grands corpus artistiques
No full textThis thesis is part of the ANR project AAA – Augmented Artwork Analysis, which aims to develop tools for the assisted interpretation of artistic images. The project is also rooted in a broader reflection on the genealogy of forms in art history.The work fits within the development of a system for representing, querying, navigating, and visualizing images, with the goal of designing an interactive content-based image retrieval tool. This tool integrates deep neural networks to enable the exploration of large artistic corpora.This thesis focuses on the development of an interactive system for searching artistic images based on visual content, using deep neural networks to explore large corpora. This thesis proposes a new approach to the study of artistic forms using computer vision tools. Recent advances in object detection and recognition can be used to automatically identify specific patterns, shapes or elements within large corpora of images. These automated analyses could then yield visual relationships that have hitherto been difficult to access by manual observation, paving the way for a renewal of methods in art history.It is in this context that we became interested in the classification of works by genre, style and artist and the detection of objects in paintings. The main objective of this thesis is to develop a content-based image search tool for a corpus ranging from the 15th to the 20th centuries.To tackle this problem, we have implemented two complementary approaches. The first is to use classification models to recognise the artistic genres of the paintings. This step guides the search by matching paintings belonging to the same genre while remaining visually close.The second approach is based on the detection of objects in the paintings and the geometric and topological relationships that link them. The aim is to analyse the work and bring together similar works. Particular attention has been paid to the faces in the paintings, and in particular to the direction of gaze of the figures depicted.These two methodological approaches make it possible to cross-reference the results obtained by the algorithms with hypotheses derived from art history, and pave the way for a large-scale visual exploration of artistic forms.Cette thèse s'inscrit dans le cadre du projet ANR AAA-Augmented Artwork Analysis, qui vise à développer un dispositif pour l'interprétation assistée d'images artistique. Le projet s’inscrit également dans une démarche qui tend à faire émerger la notion de généalogie des formes. La thèse se positionne dans un système de représentation, d’interrogation de navigation et de visualisation d’images qui tendent à l’élaboration d’un système interactif de recherche d’image basée sur le contenu en intégrant les réseaux de neurones profonds pour l'exploration de grand corpus artistiques.Cette thèse porte sur le développement d’un système interactif de recherche d’images artistiques basée sur le contenu visuel, s’appuyant sur les réseaux de neurones profonds pour l’exploration de grands corpus. Cette thèse propose une nouvelle approche pour l'étude des formes artistiques en utilisant les outils de la vision par ordinateur. Les avancées récentes en détection et reconnaissance d’objets peuvent permettre d’identifier automatiquement des motifs, des formes ou des éléments spécifiques au sein de vastes corpus d’images. Ces analyses automatisées pourraient alors donner des relations visuelles jusqu’ici difficilement accessibles par une observation manuelle, ouvrant la voie à un renouvellement des méthodes en histoire de l’art. C'est dans ce contexte que nous nous sommes intéressés à la classification des œuvres par genre, style et artiste et la détection d'objet dans les peintures. L'objectif principal de cette thèse est de développer un outil de recherche d'images basée sur le contenu dans un corpus allant du 15ème au 20ème siècles.Pour aborder cette problématique, nous avons mis en œuvre deux approches complémentaires. La première consiste à utiliser des modèles de classification pour reconnaître les genres artistiques des peintures. Cette étape permet de guider la recherche en rapprochant les œuvres appartenant au même genre tout en restant proches visuellement.La seconde approche repose sur la détection des objets dans les peintures et les relations géométriques et topologiques qui les relient. Elle vise à analyser l'œuvre et à rapprocher les œuvres ayant des similarités. Un intérêt particulier a été porté aux visages dans les peintures et notamment à la direction du regard des personnages représentés.Ces deux approches méthodologiques permettent de croiser les résultats obtenus par les algorithmes avec des hypothèses issues de l’histoire de l’art, et ouvrent la voie à une exploration visuelle à large échelle des formes artistiques
Recherche d'images basée sur le contenu : Réseaux de neurones profonds pour l'exploration de grands corpus artistiques
No full textThis thesis is part of the ANR project AAA – Augmented Artwork Analysis, which aims to develop tools for the assisted interpretation of artistic images. The project is also rooted in a broader reflection on the genealogy of forms in art history.The work fits within the development of a system for representing, querying, navigating, and visualizing images, with the goal of designing an interactive content-based image retrieval tool. This tool integrates deep neural networks to enable the exploration of large artistic corpora.This thesis focuses on the development of an interactive system for searching artistic images based on visual content, using deep neural networks to explore large corpora. This thesis proposes a new approach to the study of artistic forms using computer vision tools. Recent advances in object detection and recognition can be used to automatically identify specific patterns, shapes or elements within large corpora of images. These automated analyses could then yield visual relationships that have hitherto been difficult to access by manual observation, paving the way for a renewal of methods in art history.It is in this context that we became interested in the classification of works by genre, style and artist and the detection of objects in paintings. The main objective of this thesis is to develop a content-based image search tool for a corpus ranging from the 15th to the 20th centuries.To tackle this problem, we have implemented two complementary approaches. The first is to use classification models to recognise the artistic genres of the paintings. This step guides the search by matching paintings belonging to the same genre while remaining visually close.The second approach is based on the detection of objects in the paintings and the geometric and topological relationships that link them. The aim is to analyse the work and bring together similar works. Particular attention has been paid to the faces in the paintings, and in particular to the direction of gaze of the figures depicted.These two methodological approaches make it possible to cross-reference the results obtained by the algorithms with hypotheses derived from art history, and pave the way for a large-scale visual exploration of artistic forms.Cette thèse s'inscrit dans le cadre du projet ANR AAA-Augmented Artwork Analysis, qui vise à développer un dispositif pour l'interprétation assistée d'images artistique. Le projet s’inscrit également dans une démarche qui tend à faire émerger la notion de généalogie des formes. La thèse se positionne dans un système de représentation, d’interrogation de navigation et de visualisation d’images qui tendent à l’élaboration d’un système interactif de recherche d’image basée sur le contenu en intégrant les réseaux de neurones profonds pour l'exploration de grand corpus artistiques.Cette thèse porte sur le développement d’un système interactif de recherche d’images artistiques basée sur le contenu visuel, s’appuyant sur les réseaux de neurones profonds pour l’exploration de grands corpus. Cette thèse propose une nouvelle approche pour l'étude des formes artistiques en utilisant les outils de la vision par ordinateur. Les avancées récentes en détection et reconnaissance d’objets peuvent permettre d’identifier automatiquement des motifs, des formes ou des éléments spécifiques au sein de vastes corpus d’images. Ces analyses automatisées pourraient alors donner des relations visuelles jusqu’ici difficilement accessibles par une observation manuelle, ouvrant la voie à un renouvellement des méthodes en histoire de l’art. C'est dans ce contexte que nous nous sommes intéressés à la classification des œuvres par genre, style et artiste et la détection d'objet dans les peintures. L'objectif principal de cette thèse est de développer un outil de recherche d'images basée sur le contenu dans un corpus allant du 15ème au 20ème siècles.Pour aborder cette problématique, nous avons mis en œuvre deux approches complémentaires. La première consiste à utiliser des modèles de classification pour reconnaître les genres artistiques des peintures. Cette étape permet de guider la recherche en rapprochant les œuvres appartenant au même genre tout en restant proches visuellement.La seconde approche repose sur la détection des objets dans les peintures et les relations géométriques et topologiques qui les relient. Elle vise à analyser l'œuvre et à rapprocher les œuvres ayant des similarités. Un intérêt particulier a été porté aux visages dans les peintures et notamment à la direction du regard des personnages représentés.Ces deux approches méthodologiques permettent de croiser les résultats obtenus par les algorithmes avec des hypothèses issues de l’histoire de l’art, et ouvrent la voie à une exploration visuelle à large échelle des formes artistiques
Recherche d'images basée sur le contenu : Réseaux de neurones profonds pour l'exploration de grands corpus artistiques
No full textThis thesis is part of the ANR project AAA – Augmented Artwork Analysis, which aims to develop tools for the assisted interpretation of artistic images. The project is also rooted in a broader reflection on the genealogy of forms in art history.The work fits within the development of a system for representing, querying, navigating, and visualizing images, with the goal of designing an interactive content-based image retrieval tool. This tool integrates deep neural networks to enable the exploration of large artistic corpora.This thesis focuses on the development of an interactive system for searching artistic images based on visual content, using deep neural networks to explore large corpora. This thesis proposes a new approach to the study of artistic forms using computer vision tools. Recent advances in object detection and recognition can be used to automatically identify specific patterns, shapes or elements within large corpora of images. These automated analyses could then yield visual relationships that have hitherto been difficult to access by manual observation, paving the way for a renewal of methods in art history.It is in this context that we became interested in the classification of works by genre, style and artist and the detection of objects in paintings. The main objective of this thesis is to develop a content-based image search tool for a corpus ranging from the 15th to the 20th centuries.To tackle this problem, we have implemented two complementary approaches. The first is to use classification models to recognise the artistic genres of the paintings. This step guides the search by matching paintings belonging to the same genre while remaining visually close.The second approach is based on the detection of objects in the paintings and the geometric and topological relationships that link them. The aim is to analyse the work and bring together similar works. Particular attention has been paid to the faces in the paintings, and in particular to the direction of gaze of the figures depicted.These two methodological approaches make it possible to cross-reference the results obtained by the algorithms with hypotheses derived from art history, and pave the way for a large-scale visual exploration of artistic forms.Cette thèse s'inscrit dans le cadre du projet ANR AAA-Augmented Artwork Analysis, qui vise à développer un dispositif pour l'interprétation assistée d'images artistique. Le projet s’inscrit également dans une démarche qui tend à faire émerger la notion de généalogie des formes. La thèse se positionne dans un système de représentation, d’interrogation de navigation et de visualisation d’images qui tendent à l’élaboration d’un système interactif de recherche d’image basée sur le contenu en intégrant les réseaux de neurones profonds pour l'exploration de grand corpus artistiques.Cette thèse porte sur le développement d’un système interactif de recherche d’images artistiques basée sur le contenu visuel, s’appuyant sur les réseaux de neurones profonds pour l’exploration de grands corpus. Cette thèse propose une nouvelle approche pour l'étude des formes artistiques en utilisant les outils de la vision par ordinateur. Les avancées récentes en détection et reconnaissance d’objets peuvent permettre d’identifier automatiquement des motifs, des formes ou des éléments spécifiques au sein de vastes corpus d’images. Ces analyses automatisées pourraient alors donner des relations visuelles jusqu’ici difficilement accessibles par une observation manuelle, ouvrant la voie à un renouvellement des méthodes en histoire de l’art. C'est dans ce contexte que nous nous sommes intéressés à la classification des œuvres par genre, style et artiste et la détection d'objet dans les peintures. L'objectif principal de cette thèse est de développer un outil de recherche d'images basée sur le contenu dans un corpus allant du 15ème au 20ème siècles.Pour aborder cette problématique, nous avons mis en œuvre deux approches complémentaires. La première consiste à utiliser des modèles de classification pour reconnaître les genres artistiques des peintures. Cette étape permet de guider la recherche en rapprochant les œuvres appartenant au même genre tout en restant proches visuellement.La seconde approche repose sur la détection des objets dans les peintures et les relations géométriques et topologiques qui les relient. Elle vise à analyser l'œuvre et à rapprocher les œuvres ayant des similarités. Un intérêt particulier a été porté aux visages dans les peintures et notamment à la direction du regard des personnages représentés.Ces deux approches méthodologiques permettent de croiser les résultats obtenus par les algorithmes avec des hypothèses issues de l’histoire de l’art, et ouvrent la voie à une exploration visuelle à large échelle des formes artistiques
Going Beyond Counting First Authors in Author Co-citation Analysis
Full text linkThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Variations on the Author
Full text link“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Full text linkWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Dispelling the Myths Behind First-author Citation Counts
Full text linkWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
koamabayili/VECTRON-author-checklist: VECTRON author checklist
No full textWe have done our best to complete the author checklist relating to the use of animals in the hut study. Note that the objective for the hut study was to evaluate the IRS treatment applications for residual efficacy against Anopheles mosquitoes, including the local An. coluzzii mosquito population. Cows were only used to attract mosquitoes into the huts and no tests were carried out directly on the cows. The author checklist is intended for use with studies where experiments are carried out on animals, which is why we have had such difficulty in completing this for the hut study, as many of the questions do not relate to how the cows were used
- …
