بخش بندی معنایی نظارتی ضعیف با استفاده همزمان از اطلاعات سطح شی و سطح متن

در این مقاله، روش جدیدی برای بخش­بندی معنایی تصاویر در حضور داده­های آموزشی نظارتی ضعیف ارائه می­گردد. هدف اصلی در بخش­بندی معنایی اختصاص برچسب به تمامی پیکسل­های تصویر است. در داده­های آموزشی نظارتی ضعیف، تنها برچسب­های معنایی موجود در تصویر مشخص می­گردد و مکان آن­ها در تصویر مشخص نمی­گردد. نوآوری روش پیشنهادی، استفاده همزمان از اطلاعات سطح شی و سطح متن در تعیین برچسب­های معنایی در تصویر می­باشد. در روش پیشنهادی، نواحی تصاویری که دارای مجموعه برچسب­های یکسانی می­باشند، با یکدیگر ترکیب می­گردند به گونه­ای که در تصاویری که دارای برچسب­های مشترک هستند، نحوه ظهور یکسان داشته و موقعیت مکانی آن­ها نسبت به دیگر برچسب­های معنایی موجود در تصویر نیز یکسان باشد. همچنین برای بهینه کردن تابع هزینه­ی پیشنهادی، یک الگوریتم تکرار شونده ارائه شده است که در آن در ابتدا تمامی پیکسل­های مجموعه تصاویر، به صورت اولیه برچسب گذاری می­گردد. سپس مدل ظهور هر برچسب معنایی و مدل متن آن با استفاده از ماشین بردار پشتیبان آموزش می­بیند. در قدم بعد، برچسب پیکسل­ها به گونه­ای به روزرسانی می­گردد که در مجموعه تصاویری که دارای برچسب­های یکسانی می­باشند، اطلاعات سطح شی و سطح متن مشابه باشند. به روزرسانی برچسب­ها تا زمانی ادامه می­یابد که در دو دور متوالی، برچسب­ پیکسل­ها تغییر نیابد. برای ارزیابی کارایی روش پیشنهادی از مجموعه داده­ی MSRC استفاده شده است. روش پیشنهادی بر روی مجموعه داده­ی MSRC، دقت میانگین نرخ شناسایی گروهی ۷۲% را به دست آورده است که در مقایسه با دیگر روش­های  قابل مقایسه و موفق پیشین ۱% افزایش دقت داشته است.

کلیدواژه ها:

بخش بندی معنایی نظارتی ضعیف ، اطلاعات سطح شی ، اطلاعات سطح متن ، الگوریتم بسط حرکت