یک سیستم جدید برای بازیابی محتوا محور تصاویر با استفاده از بازخورد ربط و ماشین بردار پشتیبان براساس یادگیری فعال و کمیته دسته بندها

در سامانه های بازیابی تصویر بر اساس محتوا، ویژگی های سطح پایین از تصاویر استخراج شده وپایگاه ویژگی های دیداری برای یافتن نزدیکترین تصاویر به تصویر پرسوجو، جستجو می شود،این در حالی است که عموماً پرسوجوی کاربر بر پایه ویژگی های معنایی انجام می شود،این امر موجب ایجاد فاصله معنایی و کاهش کارایی سیستم های بازیابی تصویر خواهد شد. درسیستم پیشنهادی، برای کاهش این فاصله معنایی و درواقع نزدیکتر شدن سامانه ی بازیابی بهمحتوای معنایی تصاویر، از تکنیک بازخورد ارتباط با استفاده از ماشین بردار پشتیبان استفاده شدهاست. همچنین یکی از مشکلات اصلی در سیستم های بازیابی تصویر مبتنی بر بازخورد ربط، کمبودتعداد نمونه های آموزشی است. دلیل این امر عدم امکان دریافت تعداد نمونه های زیاد برچسب-خورده توسط کاربر می باشد، ما برای رفع این مشکل، از یک روشی ترکیبی برای انتخاب نمونه هایآموزش در سیستم پیشنهادی استفاده کرده ایم. در این روش، با استفاده از کمیته دسته بندها برایانتخاب نمونه های مشکوک، ایده یادگیری فعال و بکارگیری روش نمونه گیری بر اساس عدماطمینان، نمونه های مفید به صورت هدفمند برای برچسب گذاری انتخاب شده و در آموزش دسته بنداستفاده می شوند. بدین ترتیب تعداد نمونه های مورد نیاز برای آموزش تا حد زیادی کاهش می یابد.نتایج بدست آمده با استفاده از سیستم پیشنهادی، کارایی خوب این سیستم را در مقایسه با سیستم-های بازیابی تصویر مشابه نشان می دهد.

کلیدواژه ها:

بازخورد ربط ، یادگیری فعال ، کمیته دسته بندها ، ماشین بردار پشتیبان