ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
Paper
Title

بازیابی تصویر مبتنی بر محتوا با استفاده از شبکه های عصبی کانولوشن عمیق

Year: 1397
COI: JR_TJEE-48-4_016
Language: PersianView: 179
This Paper With 9 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

امیر سزاوار - دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند
حسن فرسی - دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند
سجاد محمدزاده - دانشکده فنی و مهندسی فردوس - دانشگاه بیرجند

Abstract:

بازیابی تصویر یکی از موضوعات مهم و چالش برانگیز در حوزه بینایی ماشین و پردازش تصویر است. تاکنون تحقیقات زیادی در زمینه بازیابی بر روی روش های مختلف انجام شده است. از دهه ­70 میلادی بازیابی مبتنی بر کلمه معرفی شد و پس از گذشت دو دهه با توجه به افزایش حجم داده ذخیره شده و ناکارآمدی این روش ها،  بازیابی مبتنی بر محتوا پایه گذاری شد. دراین روش محققان با توجه به استخراج ویژگی از تصاویر، به نتیجه بهتری دست یافتند. اما وجود فاصله معنایی میان ادراک انسان و ویژگی های سطح پایین استخراج شده از تصاویر از یک سو و از سوی دیگر افزایش بی رویه حجم داده پیرو پیشرفت فناوری، باعث شد تا روش های ابداع شده ناکارآمد شوند و پژوهش ها به سمت الگوریتم های جدیدتر معطوف شوند. با توجه به موفقیت و رشد چشم گیر الگوریتم های یادگیری عمیق، برآن شدیم تا روشی جدید مبتنی بر یادگیری عمیق به منظور بازیابی تصویر پیاده سازی کنیم. در این مقاله پس از معرفی شبکه های عصبی کانولوشن به عنوان زیرمجموعه ای از روش های یادگیری عمیق، سیستم بازیابی مبتنی بر شبکه عصبی کانولوشن پیشنهاد می دهیم و با اجرای این سیستم بر روی سه پایگاه داده ALOI، Corel و Mpeg7 و محاسبه سه معیار (P(0.5) ،P(1 و ANMRR و مقایسه آن ها با روش های دیگر،  نشان می دهیم که این مدل از دقت خیلی بالاتری نسبت به سایر الگوریتم های مرسوم، برخوردار است.

Keywords:

بازیابی تصویر, روش مبتنی بر کلمه, روش مبتنی بر محتوا, یادگیری عمیق, شبکه های عصبی کانولوشن

Paper COI Code

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/890080/

How To Citation:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
سزاوار، امیر و فرسی، حسن و محمدزاده، سجاد،1397،بازیابی تصویر مبتنی بر محتوا با استفاده از شبکه های عصبی کانولوشن عمیق،،،،،https://civilica.com/doc/890080

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، سزاوار، امیر؛ حسن فرسی و سجاد محمدزاده)
برای بار دوم به بعد: (1397، سزاوار؛ فرسی و محمدزاده)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 مPaperقاله لینک شده اند :

  • مریم تقی زاده، عبداله چاله چاله، مدلی به منظور بازیابی ... [Journal Paper]
  • اسما شمسی گوشکی، سعید سریزدی، حسین نظام آبادی پور،محمد شهرام ... [Journal Paper]
  • A. N. Tikle, C. Vaidya, and P. Dahiwale, A survey ...
  • J. A. Silva Júnior, R. E. Marçal and M. A. ...
  • R. D. S. Torres and A. X. Falcao, Content-Based image ...
  • Y. Guo, Y. Liu, A. Oerlemans, S. Lao, S. Wu ...
  • R.Montagna and G.D.Finlayson, Padua point interpolation and Lp-norm minimisation in ...
  • H. Farsi and S. Mohamadzadeh, Colour and texture feature-based image ...
  • D. Varga and T. Szirányi, Fast content-based image retrieval using ...
  • T. q. Peng and F. Li, Image retrieval based on ...
  • A.Qayyum, S.M.Anwar, M.Awais and M.Majid, Medical image retrieval using deep ...
  • H. Liu, B. Li, X. Lv and Y. Huang, Image ...
  • I. Arel, D. C. Rose and T. P. Karnowski, Deep ...
  • Y. Lecun, L. Bottou, Y. Bengio, and P. Haffner, Gradient-based ...
  • A.Krizhevsky, I. Sutskever and G.E.Hinton, ImageNet classification with deep convolutional ...
  • H. C. Shin, H. R. Roth, M. Gao, L. Lu, ...
  • Y. D. Chun, N. C. Kim, and I. H. Jang, ...
  • http://caffe.berkeleyvision.org/ ...
  • S. Mohamadzadeh and H. Farsi, Content-based image retrieval system via ...
  • J. M. Geusebroek, G. J. Burghouts, and A. W. M. ...
  • Corel Database http://wang.ist.psu.edu/docs/related/ (last referred on June, 10th, 2009 ...
  • I. O. f. Standardisation:, MPEG-7 overview, Available at: http://mpeg.chiariglione.org/standards/mpeg-7/mpeg-7.htm, accessed ...
  • Research Info Management

    Certificate | Report | من نویسنده این مقاله هستم
    این Paper در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی Paper

    مشخصات مرکز تولید کننده این Paper به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 7,375
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    Share this page

    More information about COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    Support