استفاده از روشی جدید برای بهبود یادگیری اختلاف تصاویر تا دسته ها در طبقه بندی تصاویر

دسته بندی تصاویر یکی از موضوعات مهم در زمینه بینایی ماشین است. در دسته بندی تصاویر، بایستی فرآیندی طراحی شود تا هر تصویر در گروه یا دسته مربوطه با حداقل خطا و با سرعتی مطلوب قرار گیرد. روشهای قبلی طبقه بندی تصاویر، برروی مرحله ی آموزش و آزمایش تاکید داشته اند و ازروشهایی مثل روش ماشین های بردار پشتیبان ، بوستینگ و غیره استفاده کرده اند. یکی از مشکلاتی که در طبقه بندی تصاویر، تاکنون کمتر به آن توجه شده است، وجود نوسانات زیاد در بین تصاویر در دسته های مختلف می باشد. همچنین، با توجه به فقدان مرحله ی آموزش داده ها در روش نزدیکترین همسایگی، وجود ویژگی های محلی بی ربط به دقت طبقه بندی لطمه خواهد زد بنابراین باید به نحوی عمل نمود که ویژگی هایی که در طبقه بندی، تاثیر بیشتری دارند، دارای وزن بیشتری شوند. در این مقاله ما یک روش یادگیری براساس محاسبه ی اختلاف بین تصاویر ، برای بهبود دقت طبقه بندی اختلاف های بین تصاویر در روش محاسبه ی اختلاف یک تصویر تا تصاویر دسته ها، به همراه دو روش برای تسریع جستجوی نزدیکترین همسایگی ارائه میدهیم.

کلیدواژه ها:

I2C ، طبقه بندی ، نزدیک ترین همسایگی