شرحگذاری خودکار تصاویر با واکاوی توابع توزیع احتمال پارامت ریک و غیرپارامتریک در مدل احتمالی بیز

شرح گذاری خودکار تصاویر به معنای انتساب تعدادی کلیدواژه به تصاویر در راستای بازیابی سریع آنها میباشد. در این حوزه شکاف معنایی به تفاوت بین شرحگذاری انسان و الگوریتمی اشاره دارد. روشهای یادگیری ماشین که در کاربردهای گستردهای استفاده شده است میتواند در کاهش این شکاف موثر باشند. از آنجایی که اثر بخشی مدل بیز در پژوهشهای متعددی نشان داده شده است، هدف ما در این پژوهش تحلیل توابع توزیع احتمال، در فرآیند شرحگذاری تصاویر و مشخص کردن مناسبترین الگوریتم طبقهبند با توجه به پیچیدگی دادهها میباشد، بگونهای که پدیده بیشبرازش و کمبرازش رخ ندهد. بهواسطه عدم وجود تابع توزیع احتمال بهینه در مدل یادگیری بیز، دو رویکرد پارامتری و غیرپارامتری در بیان توابع توزیع احتمال مورد استفاده قرار میگیرند. نتایج حاصل از پیادهسازی انجامشده، بر دادگانهای NUS-WIDE-OBJECT و NUS-WIDE-LITE بیانگر بهبود دقت،نسبت به فرضیههای پیچیدهتر در این حوزه میباشد

Keywords:

کلیدی– شرحگذاری خودکار تصاویر , رویکرد های پارامتریک , رویکردهای غیرپارامتریک , قاعده بیز