Arquitectura de microservicios para extracción de características en sistemas de recuperación de imágenes basada en contenido

Autores/as

DOI:

https://doi.org/10.17981/ingecuc.16.2.2020.15

Palabras clave:

arquitectura CBIR, microservicios, extracción de características, Google Cloud, recuperación de imágenes

Resumen

Introducción— Los sistemas de recuperación de imágenes basada en contenido permiten a los usuarios, por medio de una imagen de referencia, recuperar aquellas similares a su consulta. En la concepción de dichos sistemas para la Web, deben ser considerados aspectos relacionados al alto volumen de imágenes digitales existentes, que generan problemas durante su procesamiento en tiempo real, específicamente en la extracción de sus características visuales, objeto de esta investigación.

Objetivos— Contribuir en la mitigación de los problemas de escalabilidad, elasticidad, disponibilidad y confiabilidad presentada por el módulo de extracción de sus características visuales de un sistema de recuperación de imágenes basada en contenido.

Metodología— Se realizó la definición, diseño e implementación de una propuesta de arquitectura basada en microservicios y posteriormente la ejecución de pruebas mediante experimentos basados en simulación para la evaluación de dicha propuesta, presentando el respectivo análisis y discusión de los resultados entregados por el tablero de indicadores de la consola de Google Cloud.

Resultados— Una arquitectura basada en microservicios donde cada algoritmo/técnica de extracción de características de una imagen digital fue implementada como un microservicio bajo la infraestructura de Google Cloud.

Conclusiones— Esta propuesta arquitectural soportada en microservicios favorece su escalabilidad automática durante la extracción de características de grandes volúmenes de imágenes y puede ser usada en el diseño y construcción de otros módulos de un sistema de recuperación de imágenes basada en contenido.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

M. Becker, S. Lehrig & S. Becker, “Systematically deriving quality metrics for cloud computing systems,” presented at 6th ACM/SPEC Int Conf Perform Eng, ICPE 2015, TX, USA, pp. 169–174, 31 Jan-4 Feb. 2015. https://doi.org/10.1145/2668930.2688043

M. Nabi, M. Toeroe & F. Khendek, “Availability in the cloud: State of the art,” J Netw Comput Appl, vol. 60, pp. 54–67, Jan. 2016. https://doi.org/10.1016/j.jnca.2015.11.014

X. Wang & J. Grabowski, “A Reliability Assessment Framework for Cloud Applications,” presented at Cloud Computing 2015, IARIA, Nnc., Fr., 2015. Available: http://www.thinkmind.org/index.php?view=article&articleid=cloud_computing_2015_6_10_20143

A. Latif, A. Rasheed, U. Sajid, J. Ahmed, N. Ali, N. I. Ratyal, B. Zafar, S. H. Dar, M. Sajid & T. Khalil, “Content-based image retrieval and feature extraction: A comprehensive review,” Math Probl Eng, vol. 4, pp. 121, 2019. https://doi.org/10.1155/2019/9658350

L. Kaliciak, H. Myrhaug & A. Goker, “Content-Based Image Retrieval in Augmented Reality,” presented at 8th International Symposium on Ambient Intelligence, ISAmI 2017, PO, PT, pp. 95–103, 21-23 Jun. 017. https://doi.org/10.1007/978-3-319-61118-1

M. Meena, V. A. Bharadi & K. Vartak, “Hybrid Wavelet Based CBIR System Using Software as a Service (SaaS) Model on Public Cloud,” Procedia Comput Sci, vol. 79, pp. 278–286, 2016. https://doi.org/10.1016/j.procs.2016.03.036

M. B. Suresh & B. M. Naik, “A novel scheme for extracting shape and texture features using CBIR approach,” Int Conf Energy Commun Data Anal Soft Comput ICECDS 2017, pp. 3399–3404, Jun. 21, 2018. https://doi.org/10.1109/ICECDS.2017.8390091

J. Pradhan, S. Kumar, A. K. Pal & H. Banka, “A hierarchical CBIR framework using adaptive tetrolet transform and novel histograms from color and shape features,” Digit Signal Process A Rev J, vol. 82, pp. 258–281, Nov. 2018. https://doi.org/10.1016/j.dsp.2018.07.016

A. B. Raut, “NOSQL Database and Its Comparison with RDBMS,” Int J Comput Intell Res, vol. 13, núm. 7, pp. 1645–1651, 2017.

M. Villamizar, O. Garcés, H. Castro, M. Verano, L. Salamanca & S. Gil, “Evaluating the Monolithic and the Microservice Architecture Pattern to Deploy Web Applications in the Cloud,” presented at 10th Comput Colomb Conf, 10CCC, Bog., Co., 21-25 Sep. 2015. https://doi.org/10.1109/ColumbianCC.2015.7333476

R. Grycuk, P. Najgebauer, R. Nowicki & R. Scherer, “Multilayer Architecture for Content-based Image Retrieval Systems,” presented at IEEE 12th Conf Serv Comput Appl, SOCA, Khh., Tw., 18-21 Nov. 2019. https://doi.org/10.1109/SOCA.2019.00025

S. Easwaramoorthy, U. Moorthy, C. A. Kumar, S. B. Bhushan & V. Sadagopan, “Content Based Image Retrieval with Enhanced Privacy in Cloud Using Apache Spark,” Commun Comput Inf Sci, vol. 804, pp. 114–128, Feb. 2018. https://doi.org/10.1007/978-981-10-8603-8_10

M. Meena, A. R. Singh & V. A. Bharadi, “Architecture for Software as a Service (SaaS) Model of CBIR on Hybrid Cloud of Microsoft Azure,” Procedia Comput Sci, vol. 79, pp. 569–578, 2016. https://doi.org/10.1016/j.procs.2016.03.072

A. Rahman, E. Winarko, y M. E. Wibowo, “Mobile content based image retrieval architectures,” presented at Int Conf Electr Eng Comput Sci Informatics, IEEE, Yo. Id., pp. 208–211, 19-21 Sep. 2017. https://doi.org/10.1109/EECSI.2017.8239111

A. Balalaie, A. Heydarnoori & P. Jamshidi, “Microservices Architecture Enables DevOps: Migration to a Cloud-Native Architecture,” IEEE Softw, vol. 33, núm. 3, pp. 42–52, Mar. 2016. https://doi.org/10.1109/MS.2016.64

T. Cerny, M. J. Donahoo & J. Pechanec, “Disambiguation and comparison of SOA, microservices and self-contained systems,”presented at Res Adapt Converg Syst, RACS '17, Krk., Pol., pp. 228–235, Sep. 2017. https://doi.org/10.1145/3129676.3129682

Google LLC, “Cloud Functions,” Cloud.google, [online , 2017. Available: https://cloud.google.com/functions/

Google LLC, “Cloud Functions,” Cloud.google, [online , 2020. Available: https://cloud.google.com/functions/

Google LLC, “Cloud Storage,” Cloud.google, [online , 2019. Available: https://cloud.google.com/storage/?hl=es

Google LLC, “Pub/Sub,” Cloud.google, [online , 2019. Available: https://cloud.google.com/storage/?hl=es

Google LLC, “Cloud Datastore,” Cloud.google, [online , 2019. Available: https://cloud.google.com/datastore/

S. Mishra, B. Majhi, P. K. Sa & L. Sharma, “Gray level co-occurrence matrix and random forest based acute lymphoblastic leukemia detection,” Biomed Signal Process Control, vol. 33, pp. 272–280, Mar. 2017. https://doi.org/10.1016/j.bspc.2016.11.021

Descargas

Publicado

2020-10-07

Cómo citar

Roa-Martínez, S. M., & Ruiz Velasco, A. F. (2020). Arquitectura de microservicios para extracción de características en sistemas de recuperación de imágenes basada en contenido. Inge Cuc, 16(2), 202–213. https://doi.org/10.17981/ingecuc.16.2.2020.15

Número

Vol. 16 Núm. 2 (2020): (Julio-Diciembre)

Sección

Artículos

Licencia

Derechos de autor 2020 INGE CUC

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Los artículos publicados son de exclusiva responsabilidad de sus autores y no reflejan necesariamente las opiniones del comité editorial. 

La Revista INGE CUC respeta los derechos morales de sus autores, los cuales ceden al comité editorial los derechos patrimoniales del material publicado.  A su vez, los autores informan que el presente trabajo es inédito y no ha sido publicado anteriormente. 

Todos los artículos están bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional.

Licencia Creative Commons