حاشیه نویسی خودکار تصاویر بر اساس نزدیکترین همسایه مشابه

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 852

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIKT07_011

تاریخ نمایه سازی: 22 مهر 1394

چکیده مقاله:

حاشیه نویسی تصویر به معنای انتصاب یک یا چند کلمه برای توصیف تصویر است. ورودی(ها) سیستم حاشیه نویسی، ویژگی های استخرج شده از تصویر است و خروجی(ها) کلمات کلیدی هستند که محتوای تصویر را توصیف می کنند. اغلب روش های موجود برای حاشیه نویسی خودکار تصاویر از روش های یادگیری ماشین استفاده می نمایند که پیچیدگی زمانی بالایی دارند. برای کاهش این مشکل، در این مقاله روش جدیدی برای حاشیه نویسی تصاویر بر اساس نزدیک ترین تصویر همسایه مشابه به منظور دسته بندی تصاویر بر اساس محتوا جهت استفاده در سیستم های بلادرنگ ارائه شده است. ایده اصلی این روش استخراج ویژگی های سطح پایین و نمایه سازی تصاویر بر اساس سه مولفه رنگ، بافت و شکل می باشد. ابتدا ویژگی های سطح پایین برای تصاویری که قبلا به صورت دستی توسط انسان حاشیه نویسی شده اند، استخراج می گردد، سپس ویژگی های تصویر ورودی با ویژگی های هر کدام از تصاویر مجموعه داده مقایسه شده و نزدیکترین تصاویر از نظر تشابه انتخاب می گردند. سپس بر اساس روش رای گیری از کلمات کلیدی بدست آمده از تصاویر مشابه، تصویر جدید به وسیله پر تکرارترین کلمات حاصل از تصاویر نزدیک همسایه حاشیه نویسی می شود. آزمایشات و ارزیابی های انجام شده روش پیشنهادی بر روی مجموعه تصاویر Corel5k نشان داد که روش پیشنهادی عملکرد بهتری علاوه بر زمان از نظر دقت نیز نسبت به کارهای گذشته دارد.

کلیدواژه ها:

نویسندگان

وفا میهمی

دانشجوی دکتری هوش مصنوعی، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان ، سمنان

فرزین یغمایی

عضو هیئت علمی گروه کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Y. Liu, D. Zhang, G. Lu, and W. Ma, "A ...
  • R. Datta, D.Joshi, _ Imageretrieval : Ideas, influences, and trends ...
  • Dengsheng Zhang _ Md. Monirul Islam, Guo jun Lu, A ...
  • Y. Han, F. Wu, Q. Tian, Y. Zhuang "Image annotation ...
  • Zenghai Chen, Zheru Chi, Hong Fu, Dagan Feng, "Multi-instance multi-label ...
  • . Lee S, DeNeve W, RoYM(2010) Tag refinement in an ...
  • . Lindstaedt S, Morzinger R, Sorschag R, Pammer V, Thallinger ...
  • Ferreira J, SilvaA, Delgado J (2004) How to improve ...
  • . OECD (2007) OECD study _ the participative web: generated ...
  • content. http : //www. oecd _ org/datao ecd/57/ 14/383931 15.pdf. ...
  • . PlanetTech (2012) Facebook reveals staggering new stats _ http ...
  • F. Long, H.J. Zhang, D.D. Feng, Fundamentas of content-based image ...
  • S.B. Park, J.W. Lee, S.K. Kim, Content-based image classification using ...
  • J. Fan, Y. Gao, H. Luo, G. Xu, Automatic image ...
  • C. Yang, M. Dong, F. Fotouhi, Image content annotation using ...
  • C. Yang, M. Dong, F. Fotouhi, Image content annotation using ...
  • V. Mezaris, I. Kompatsiaris, M.G. Strintzis, An ontology approach to ...
  • Jeon J, Lavrenko V, Manmatha R, Automatic image annotation and ...
  • conference on research and development in information retrieval. ACM, Toronto, ...
  • Lavrenko V, Manmatha R, Jeon J, model for learning the ...
  • A. Yavlinsky, E. Schofield, and S. Ruger, Automated image annotation ...
  • Zhu S, Tan X, A novel automatic image annotation visual ...
  • Nashwa El-Bendary , Tai-hoon Kim _ Aboul Ella retrieval effectiveness ...
  • annotation approach based _ optimization of classes scores, Computing, 2013. ...
  • نمایش کامل مراجع