کلاس بندی تصویر براساس یادگیری دیکشنری تفکیک فیشر

کلاس بندی تصویر کاری مهم در کاربردهای مانند تصاویر پزشکی، بیومتری، نظارت تصویری، ناوبری خودرو، بازرسی بصری صنعتی، ناوبری ربات و سنجش از راه دور مختلف می باشد. در این تحقیق ایده، استفاده از نشان دهنده های اسپارس و ساخت دیکشنری، برای انجام کلاس بندی تصویر است و دقت سیستم کلاس بندی تصویر را بهبود داده و یک دیکشنری کامل از تصاویر تهیه نموده است. ابتدا تصاویر آموزشی کسب شده و نشان دهنده های اسپارس محاسبه می گردد، سپس برای ایجاد یک دیکشنری قوی، دیکشنری توسط تفکیک کننده اسپارس آموزش داده می شود. اعمال دیکشنری نقش مهمی در نمایش اسپارس با بازسازی و دسته بندی تصویر مبتنی بر کدگذاری اسپارس دارد. برای یادگیری یک دیکشنری ساخت یافته، چهارچوب دیکشنری تفکیک فیشر پیشنهاد شده است. بعد از بدست آوردن نشان دهنده های اسپارس در تصویر تست عملیات جستجو در دیکشنری توسط تفکیک فیشر تحت معیار فیشر صورت می گیرد و عملیات کلاس بندی انجام می شود. پس از هر عملیات کلاس بندی، در صورت کلاس بندی صحیح بندی دیکشنری و ضرایب تفکیک کننده فیشر جهت افزایش دقت به روز رسانی می گردد. الگوریتم پیشنهدی روی پایگاه داده چهره YALEB,AR ارزیابی شد. نتایج مورد قبول ارزیابی گردید.

Keywords:

تفکیک فیشر , کلاس بندی FDDL , یادگیری دیکشنری , تشخیص چهره