مروری بر ارتباط ویژگی های سطح پایین با معانی سطح بالا در سیستم های بازیابی تصویر مبتنی بر محتوا
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 560
فایل این مقاله در 20 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF03_074
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
در دنیای دیجیتال، پیچیدگی محتویات چند رسانه ای به طور قابل توجهی در حال افزایش است. به دلیل این پیچیدگی، در جهت رفع نیازهای بشری، نیاز به توسعه سیستم های بازیابی بسیار موثری احساس می شود. در سیستم های بازیابی تصویر مبتنی بر محتوا یا CBIR تمرکز بیشتر بر روی استخراج ویژگی ها از تصاویر جستجو شده و تصاویر ذخیره شده در پایگاه داده برای شناسایی شباهت بین این ویژگی ها جهت بازیابی تصاویری که به صورت بصری مشابه هستند می باشد. CBIR هنگامی که تمرکز به سمت کاهش شکاف معنایی یا شکاف زبان شناسی ویژگی های سطح پایین و معانی سطح بالا می رود سخت تر می شود. این بررسی خلاصه ای کوتاه در مورد ویژگی های سطح پایین و زبان شناسی سطح بالا که در اندیشه ی CBIR برای بازیابی صحیح به تازگی، اقدامات پژوهشی گسترده ای در زمینه بازیابی تصاویر محتوا محور ارایه و انجام شده است. اکثریت این اقدامات بر روی کاهش فاصله معنایی که بین ویژگی های تصویر سطح پایین(ارایه شده توسط ماشین های دیجیتال) و ادراکات انسانی سطح بالا (مورد استفاده برای درک تصاویر) وجود دارد تمرکز کرده اند. با توسعه پژوهش ها در سال های اخیر، این مقاله بررسی جامعی بر روی جدیدترین کارها در زمینه CBIR را ارایه می کند. علاوه بر این، این مطالعه یک مرور کلی از چارچوب CBIR و بررسی خلاصه ای کوتاه در مورد ویژگی های سطح پایین و زبان شناسی سطح بالا و بهبودهای دست یافته در این زمینه از جمله استخراج ویژگی و شاخص گذاری، یادگیری سیستم، تطابق تشابه، بازخورد مرتبط، ارزیابی عملکرد، موقعیت مکانی و معانی سطح بالا ارایه می کند.
کلیدواژه ها:
نویسندگان
احسان ایگدر
دانشجوی کارشناسی ارشد،گروه کامپیوتر، دانشکده فنی و مهندسی، واحد الکترونیک، دانشگاه آزاد اسلامی، تهران، ایران
مرتضی رموزی
استادیار، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد کاشان، کاشان، ایران
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 :