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

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. Objetivo: 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

Palabras clave: Arquitectura CBIR, Microservicios, Extracción de características, Google Cloud, Recuperación de imágenes.

Referencias

M. Becker, S. Lehrig, y S. Becker, “Systematically deriving quality metrics for cloud computing systems”, ICPE 2015 - Proc. 6th ACM/SPEC Int. Conf. Perform. Eng., pp. 169–174, 2015, doi: 10.1145/2668930.2688043.

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

X. Wang y J. Grabowski, “A Reliability Assessment Framework for Cloud Applications”, núm. c, pp. 127–130, 2015.

A. Latif et al., “Content-based image retrieval and feature extraction: A comprehensive review”, Math. Probl. Eng., vol. 2019, 2019, doi: 10.1155/2019/9658350.

L. Kaliciak, H. Myrhaug, y A. Goker, “Content-Based Image Retrieval in Augmented Reality”, en Ambient Intelligence-- Software and Applications -- 8th International Symposium on Ambient Intelligence (ISAmI 2017), 2017, pp. 95–103.

M. Meena, V. A. Bharadi, y 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, doi: 10.1016/j.procs.2016.03.036.

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

J. Pradhan, S. Kumar, A. K. Pal, y 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, 2018, doi: 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, y S. Gil, “Evaluating the Monolithic and the Microservice Architecture Pattern to Deploy Web Applications in the Cloud Evaluando el Patrón de Arquitectura Monolítica y de Micro Servicios Para Desplegar Aplicaciones en la Nube”, 10th Comput. Colomb. Conf., pp. 583–590, 2015, doi: 10.1109/ColumbianCC.2015.7333476.

R. Grycuk, P. Najgebauer, R. Nowicki, y R. Scherer, “Multilayer Architecture for Content-based Image Retrieval Systems”, 2019 IEEE 12th Conf. Serv. Comput. Appl., pp. 119–126, 2019, doi: 10.1109/SOCA.2019.00025.

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

M. Meena, A. R. Singh, y 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, doi: 10.1016/j.procs.2016.03.072.

A. Rahman, E. Winarko, y M. E. Wibowo, “Mobile content based image retrieval architectures”, Int. Conf. Electr. Eng. Comput. Sci. Informatics, vol. 4, núm. September, pp. 208–211, 2017, doi: 10.11591/eecsi.4.1025.

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

T. Cerny, M. J. Donahoo, y J. Pechanec, “Disambiguation and comparison of SOA, microservices and self-contained systems”, Proc. 2017 Res. Adapt. Converg. Syst. RACS 2017, vol. 2017-Janua, núm. 4, pp. 228–235, 2017, doi: 10.1145/3129676.3129682.

Google, “Cloud Functions”, 2017. https://cloud.google.com/functions/ (consultado abr. 25, 2020).

Google, “Cloud Functions”, Google Cloud, 2017. https://cloud.google.com/functions/ (consultado abr. 25, 2020).

Google, “Cloud Storage”, 2019. https://cloud.google.com/storage/?hl=es (consultado abr. 25, 2020).

Google, “Pub/Sub”, 2019. https://cloud.google.com/pubsub?hl=es-419 (consultado abr. 04, 2020).

Google, “Cloud Datastore”, 2019. https://cloud.google.com/datastore/ (consultado abr. 25, 2020).

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

Descargas

La descarga de datos todavía no está disponible.
Publicado
2020-10-07
Cómo citar
Roa Martínez, S., & Ruiz Velasco, A. (2020). Arquitectura de microservicios para extracción de características en sistemas de recuperación de imágenes basada en contenido. INGE CUC, 16(2). https://doi.org/10.17981/ingecuc.16.2.2020.15