This BSc thesis of 12 ECTS will be developed at the Insight Research Center from Dublin City University in the team directed by Professor Noel O'Connor. http://www.eeng.dcu.ie/~oconnorn/

[ANGLÈS] This thesis explores the potential of relevance feedback for image retrieval using EEG signals for human-computer interaction. This project aims at studying the optimal parameters of a rapid serial visual presentation (RSVP) of frames from a video database when the user is searching for an object instance. The simulations reported in this thesis assess the trade-off between using a small or a large amount of images in each RSVP round that captures the user feedback. While short RSVP rounds allow a quick learning of the user intention from the system, RSVP rounds must also be long enough to let users generate the P300 EEG signals which are triggered by relevant images. This work also addresses the problem of how to distribute potential relevant and non-relevant images in a RSVP round to maximize the probabilities of displaying each relevant frame separated at least 1 second from another relevant frame, as this configuration generates a cleaner P300 EEG signal. The presented simulations are based on a realistic set up for video retrieval with a subset of 1,000 frames from the TRECVID 2014 Instance Search task.

[CASTELLÀ] Esta tesis explora el potencial de las técnicas de Relevance Feedback utilizando señales EEG para interaccionar entre máquina i usuario. En este proyecto se estudia cuáles son los parámetros óptimos cuando utilizamos Rapid Serial Visual Presentation con frames procedentes de una base de datos de video. Las simulaciones presentadas en esta tesis muestran el trade-off que hay al utilizar un número pequeño o grande de imágenes en cada ronda del RSVP que captura la interacción del usuario. Mientras que con rondas más pequeñas del RSVP permiten un aprendizaje rápido de la intencionalidad del sistema, las rondas del RSVP tienen que ser al mismo tiempo suficientemente largas para permitir a los usuarios generar las señales P300 EEG que han sido marcadas utilizando un trigger temporal como relevantes. En este trabajo también se hace referencia al problema sobre cómo distribuir las potenciales imágenes relevantes i no relevantes en una ronda RSVP para maximizar las probabilidades de mostrar las relevantes como mínimo con una separación de un segundo, ya que esta configuración genera señales P300 más limpias. Las simulaciones presentadas se basan en una configuración realista en recuperación de imágenes desde video, trabajando con un subconjunto de 1000 imágenes del TRECVID 2014 en el campo de Búsqueda de Instancias.

[CATALÀ] Aquesta tesi explora el potencial de les tècniques de Relevance Feedback utilitzant senyals EEG per interaccionar entre màquina i usuari. En aquest projecte s’estudia quins son els paràmetres òptims quan utilitzem Rapid Serial Visual Presentation amb frames procedents d’una base de dades de video. Les simulacions presentades en aquesta tesis mostren el trade-off que hi ha al utilizar un nombre petit o gran d’imatges en cada ronda del RSVP que captura l’interacció de l’usuari. Mentre que rondes petites del RSVP permeten un aprenentatge rapid de l’intencionalitat des del sistema, les rondes del RSVP han de ser al mateix temps suficientment llargues per permetre als usuaris generar la senyal P300 EEG que han estat marcats temporalment com a rellevants. En aquest treball també es fa referència al problema sobre com distribuir les potencials imatges rellevants i no rellevants en una ronda de RSVP per maximitzar les probabilitats de mostrar les rellevants com a mínim amb una separació d’un segon, ja que aquesta configuració genera senyals P300 més netes. Les simulacions presentades es basen en una configuració realista per recuperació d’imatges des de vídeo, treballant amb un subconjunt de 1000 imatges del TRECVID 2014 en el camp de Cerca d’Instàncies.