ارائه مدلی مبتنی بر ارتباطات معنایی و مکانی جهت دسته بندی اشیا
چکیده
هدف از دسته بندی اشیا، مکان یابی و شناسایی نمونه های از یک دسته شی خاص در تصویر است. این حوزه کاربردهای نظیر تشخیص چهره، لوگو و صحنه و غیره را شامل می شود. استفاده از این فن آوری می تواند به افراد کم بینا در تشخیص اشیا مبهم کمک کند. همچنین در موتورهای جست و جوی تصویر برای انجام یک جستجوی مبتنی بر محتوا و دقیق مفید می باشد. با توجه به دامنه وسیع تغییرات دیداری اشیا در تصویر همچون متغیر بودن اندازه، زاویه دید، میزان نور و غیره، استفاده از ویژگی های دیداری در دسته بندی اشیا به تنهایی کافی نمی باشد. بنابراین در این پژوهش، برای غلبه بر این گونه چالش ها دو نوع ویژگی مقاوم محلی رنگی chsift و cwsurf معرفی شده است. این توصیفگرها علاوه بر مقاومت نسبت به تغییرات گفته شده بر خلاف دیگر توصیف گر های موجود مقاوم که با تصاویر سطح خاکستری کار می کنند ویژگی رنگ را نیز مد نظر میگیرند. تمرکز اصلی این پژوهش، به بررسی تاثیر استفاده از ویژگی های مفهومی در افزایش دقت دسته بندی اشیا معطوف شده است. در این پژوهش از دو دسته ویژگی مفهومی معنایی و مکانی استفاده نموده و به منظور استخراج این مفاهیم از دو منبع مجموعه داده آموزشی و مجموعه گوگل بهره می بریم. مجموعه گوگل از طریق وبگاه گوگل قابل دستیابی است. مجموعه گوگل شامل مجموعه کوچک گوگل و مجموعه بزرگ گوگل می باشد. این مجموعه بدلیل اینکه روابط بین دسته های را از نظر دیداری (روش استخراج روابط مبتنی بر تصویر) بیان می کند، در زمینه بازیابی تصویر بسیار کاربردی می باشد. همچنین در کاربردهای مختلفی از داده کاوی همچون پردازش متن و درک صحنه می تواند مورد استفاده قرار گیرد . مهم ترین بخش و نوآوری این پژوهش ارائه روش یادگیری انجمن خبره های زمینه تصادفی شرطی، به منظور به کارگیری ویژگی های مفهومی محلی و سراسری به طور هم زمان، در سامانه دسته بندی اشیا می باشد. در این روش به منظور استفاده از مفهوم سراسری از ویژگی gist در بخش شبکه میانجی استفاده می کنیم. ارزیابی های این پژوهش بر روی داده های استانداردی از جمله مجموعه تصاویر pascal2007 و msrc انجام گرفته و در هر بخش روش خود را با روش های مناسب موجود بر روی همین مجموعه تصاویر مورد مقایسه قرار داده ایم. با انجام آزمایشات گوناگون، بهبود 7% برای مجموعه تصاویر pascal2007 و 6% برای مجموعه تصاویر msrc نسبت به آخرین کارهای انجام شده به دست آمده است
