Les moteurs de recherche d’images ont actuellement un problème majeur, soit celui de se fier aveuglément au contexte pour identifier une image. Ils vérifient les mots utilisés dans le texte la bordant et étudient son nom au cas où le webmestre y aurait inclu des informations pertinentes à la « saku_koivu_goal.jpg ». Cependant une recherche rapide sur Google vous montrera une bonne part d’anomalies. Prenons cette recherche pour une photo de tigre « tiger » qui retourne seulement 11 félins sur les 60 premiers résultats…
Or voilà que les travaux de chercheurs de l’Université de Californie de San Diego ont pavé la voie à une nouvelle approche pour étiqueter les images du web et maximiser la performance des résultats de recherche. Une technologie qui pourrait lancer une nouvelle vague de moteurs de recherche d’images, et à court terme, permettre de « tagger » des collections personnelles ou privées.
L’idée pour le système (nommé Supervised Multiclass Labeling system) est d’apprendre au fur et à mesure qu’il passe des images en revue. Une fois le système rodé, il va calculer la probabilité que tel objet, ou telle personne soit présente sur telle photo. Finalement, et selon les probabilités dominantes, des mots-clés seront produits afin d’identifier l’image rapidement et accélérer la recherche. Voici d’ailleurs une comparaison des étiquettes « humaines » versus celles générées par le SML :
Image (c) http://jacobsschool.ucsd.edu
Recherche 
