یک سیستم جدید برای بازیابی محتوا محور تصاویر با استفاده از بازخورد ربط و ماشین بردار پشتیبان براساس یادگیری فعال و کمیته دسته بندها
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 634
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ITCC01_425
Index date: 28 March 2016
یک سیستم جدید برای بازیابی محتوا محور تصاویر با استفاده از بازخورد ربط و ماشین بردار پشتیبان براساس یادگیری فعال و کمیته دسته بندها abstract
در سامانه های بازیابی تصویر بر اساس محتوا، ویژگی های سطح پایین از تصاویر استخراج شده وپایگاه ویژگی های دیداری برای یافتن نزدیکترین تصاویر به تصویر پرسوجو، جستجو می شود،این در حالی است که عموماً پرسوجوی کاربر بر پایه ویژگی های معنایی انجام می شود،این امر موجب ایجاد فاصله معنایی و کاهش کارایی سیستم های بازیابی تصویر خواهد شد. درسیستم پیشنهادی، برای کاهش این فاصله معنایی و درواقع نزدیکتر شدن سامانه ی بازیابی بهمحتوای معنایی تصاویر، از تکنیک بازخورد ارتباط با استفاده از ماشین بردار پشتیبان استفاده شدهاست. همچنین یکی از مشکلات اصلی در سیستم های بازیابی تصویر مبتنی بر بازخورد ربط، کمبودتعداد نمونه های آموزشی است. دلیل این امر عدم امکان دریافت تعداد نمونه های زیاد برچسب-خورده توسط کاربر می باشد، ما برای رفع این مشکل، از یک روشی ترکیبی برای انتخاب نمونه هایآموزش در سیستم پیشنهادی استفاده کرده ایم. در این روش، با استفاده از کمیته دسته بندها برایانتخاب نمونه های مشکوک، ایده یادگیری فعال و بکارگیری روش نمونه گیری بر اساس عدماطمینان، نمونه های مفید به صورت هدفمند برای برچسب گذاری انتخاب شده و در آموزش دسته بنداستفاده می شوند. بدین ترتیب تعداد نمونه های مورد نیاز برای آموزش تا حد زیادی کاهش می یابد.نتایج بدست آمده با استفاده از سیستم پیشنهادی، کارایی خوب این سیستم را در مقایسه با سیستم-های بازیابی تصویر مشابه نشان می دهد.
یک سیستم جدید برای بازیابی محتوا محور تصاویر با استفاده از بازخورد ربط و ماشین بردار پشتیبان براساس یادگیری فعال و کمیته دسته بندها Keywords:
یک سیستم جدید برای بازیابی محتوا محور تصاویر با استفاده از بازخورد ربط و ماشین بردار پشتیبان براساس یادگیری فعال و کمیته دسته بندها authors
زهرا پورجمشید
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه رازی، کرمانشاه
عبدالله چاله چاله
استادیار، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه رازی، کرمانشاه
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :