بهبود بخش بندی و برجستگی تصویر با استفاده از یادگیری چند نمونه ای
Publish place: The 11th Iranian and the first International Conference on Machine Vision and Image Processing (MVIP 2020)
Publish Year: 1398
Type: Conference paper
Language: Persian
View: 899
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICMVIP11_016
Index date: 14 September 2020
بهبود بخش بندی و برجستگی تصویر با استفاده از یادگیری چند نمونه ای abstract
روش های هم بخش بندی و هم برجستگی، در کنار این که می توانند به طور جداگانه به ترتیب اشیا مشترک و نواحی برجسته را استخراج کنند، این قابلیت را دارند به عنوان یک روش مستقل با هم تبادل اطلاعات کنند و برای بهبود یکدیگر مکمل هم باشند. در این مقاله سعی داریم با استفاده از روش یادگیری چندنمونه ای، دقت نتایج را نسبت به کارهای قبلی دراین زمینه، تا حد امکان بهبود دهیم. چالش هایی که در این کار بررسی می شود ابتدا پیچیدگی هایپس زمینه، شباهت پس زمینه و شی مشترک است که با روش بهینه - سازی در یادگیری چندنمونه ای برطرف می شود و سپس خروجی کار را نسبت به تغییرات متفاوت اندازه، روشنایی، چرخش و... با استفاده از استخراج ویژگی های عمیق بیمه می کنیم. برای استخراج ویژگی از شبکه های از پیش آموزش دیده استفاده می کنیم و ویژگی های سطح بالای آن را از لایه های انتهایی شبکه به کار می بریم. در انتها رویکردمان را در یک مسئله مینیمم سازی تابع انرژی هم بخش بندی روی یک گراف اعمال می کنیم. نتایج رویکرد پیشنهادی بر روی مجموعه داده استاندارد، برتری این روش نسبت به رویکردهای پیشین را نشان می دهد.
بهبود بخش بندی و برجستگی تصویر با استفاده از یادگیری چند نمونه ای Keywords:
بهبود بخش بندی و برجستگی تصویر با استفاده از یادگیری چند نمونه ای authors
امید محمدی
دانشگاه سمنان، دانشکده برق و کامپیوتر، سمنان، ایران
محمدجواد فدایی اسلام
دانشگاه سمنان، دانشکده برق و کامپیوتر، سمنان، ایران