Pour permettre la recherche par le contenu de documents multimédias repartis sur de larges réseaux, nous proposons un système d’indexation basé sur l’apprentissage décentralisé et asynchrone de dictionnaires visuels. Nous proposons un algorithme décentralisé pour le calcul des dictionnaires basé sur un protocole d’agrégation Gossip, qui produit un dictionnaire local performant en chaque noeud du réseau. Nous fournissons une loi empirique pour déterminer les paramètres optimaux du système selon la taille du réseau ciblé, qui permettent d’obtenir des dictionnaires égaux entre noeuds pour un coût de communication faible. Une étude expérimentale met en évidence les capacités de passage à l’échelle et la qualité de recherche du système....
In order to allow content-based retrieval of multimedia documents spread over large networks, we propose an indexing system based on decentralized and asynchronous learning of visual codebooks. We propose a Gossip-based decentralized algorithm to compute an accurate visual codebook at each networking node. We provide an empirical law to define the optimal parameters, given the targetted network size, to get codebooks which are equal between nodes with low communication costs. An experimental study highlights the scaling abilities and the retrieval accuracy of our system....