ارایه روشی برای ح اشیه نویسی تصاویر موجود دروب براساس انتخاب بهترین تابع کرنل SVM
محل انتشار: کنفرانس ملی فناوری اطلاعات و جهاد اقتصادی
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,529
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITEC01_019
تاریخ نمایه سازی: 12 اردیبهشت 1391
چکیده مقاله:
هدف از حاشیه نویسی تصاویر موجود در وب از بین بردن شکاف معنایی بین مفاهیم سطح بالا و ویژگیهای سطح پایین تصویر است درحاشیه نویسی خودکار تصاویر وب با استفاده از سیستم یادگیری ماشین برای دسته بندی تصاویر به کلاسهای مختلف استفاده می شود بطوریکه هر دسته معرف یک کلمه است ورودی سیستم یادگیری ماشین ویژگیهای منفرد و ویژگیهای ترکیبی از تصویر است هدف ازانجام این تحقیق تشخیص مشخصه های دیداری مناسب برای حاشیه نویسی معنایی می باشد بدین منظور از یک سیستم طبقه بندی تصویری استفاده شده است که توصیف گرهای دیداری MPEG-7 و ماشینهای بردار پشتیبان را با یکدیگر تلفیق می کند این سیستم به منظور تفسیر وسایل نقلیه و مناظر طبیعی به کار می رود دریک پایگاه داده ای شامل 2000 تصویر وسایل نقلیه و مناظر طبیعی زمانیکه برای طبقه بندی تصاویر به دو گروه معنایی از توصیفگر EdgeHistogram استفاده کردیم و به میزان طبقه بندی 89/9% دست یافتیم و زمانیکه بردارهای ویژگی را با هم ترکیب کردیم ترکیب دو ویژگی Edge Histogram Color Structure بالاترین نرخ طبقه بندی بین سایر ویژگیهای ترکیبی به میزان 90/3% را نتیجه داد و زمانیکه از بردار ویژگی Short Region Shape به جای ویژگی Region Shape استفاده کردیم که دراین حالت نرخ طبقه بندی افزایش یافت.
کلیدواژه ها:
نویسندگان
نجمه عباسی
عضو هیئت علمی دانشگاه آزاد اسلامی واحدرودان
ابراهیم سربازبرازنده
عضو هیئت علمی دانشگاه آزاد اسلامی رودان
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 :