الگوریتم Bag-of-Visual-Words در محیط های توزیع شده

با توسعه سریع تکنولوژی کامپیوتر، فنآوری اکتساب دادههای تصویری و محبوبیت اینترنت، مقاد یر زیادی از دادهها ی چندرسانهای در حوزههای مختلف تولید شده است. بنابراین، معماری سیستم پردازش تصویر موازی، مبتنی بر کلاستر و سر یع، یک تمرکز پژوهشی شده است. در این مقاله یک روش Words-of-Bag) یا Features-of-Bag (برای استفاده از پیاده ساز ی آن در پایگاه دادههای NoSQL توسعه یافته است. در این الگوریتم توجه ویژهای به تسهیل پیادهسازی آن و کاهش تعداد محاسبات به حداقل شده است. در این مورد استفاده از یک مرحله پیش پردازش لازم است، که در طی آن ویژگی ها ی مشخصه تصو یربازیابی شده و با استفاده از یک الگوریتم خوشهبندی فرهنگ لغت ایجاد میشود. ما الگوریتم means-k اصلی را تغییر دادیم تا بهطور خودکار تعداد خوشهها را انتخاب کند. این الگوریتم شامل هیچ الگوریتم کلاسبندی محاسباتی پیچیده نیست، لیکن از روش رای اکثریت استفاده میکند. و بهطور قابل توجهی محاسبات را ساده میکند و استفاده از زبان جاوا اسکریپت بهکار رفته در یک پایگاهداده مشترک NoSQL را ممکن میسازد. آزمایشهای تجربی متعدد نشان میدهد رویکرد ما از نظر نرخ سرعت و دقت خوب عمل میکند.

Keywords:

k-means الگوریتم , NoSQL پایگاهداده , Bag-of-Words , تصویر کلاسبندی