بازیابی تصویر با استفاده از یادگیری عمیق

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,505

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CEPS04_073

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

امروزه اهمیت بازیابی تصویر بر کسی پوشیده نیست. با توجه به پیشرفت روزافزون در ذخیرهی داده و تکنولوژی تصویری، حجم داده ها افزایش پیدا کرده است و نیازمند سیستمی کارآمد برای مدیریت این اطلاعات میباشیم. ازچندیندهه قبل تحقیق بر روی روشهای بازیابی یکی از زمینههای مورد علاقهی محققان بوده است و روشهایی برای این منظور ابداع کردهاند. در این مقاله ابتدا دو روش معمول بازیابی تصویر مانند بازیابی برپایهی کلمه و بازیابی بر پایهی محتوا رابررسی میکنیم. با توجه به روند رو به افزایش حجم اطلاعات و تصاویر و با توجه به شکاف معنایی موجود در استخراج ویژگی به روشهای سنتی وادراک انسان، روش های معمول و سنتی کارآمد نبوده و نیازمند ابداع روشهای جدید هستیم تا این نیازها را برآورده سازد. بنابراین در این مقاله روشی جدید مبتنی بر یادگیری عمیق معرفی میشود و به طور خاصنقش شبکه های عصبی کانولوشن عمیق به عنوان نمونهای پرکاربرد و موفق از شبکه های عصبی عمیق را در بازیابی تصویر بررسی میکنیم و به مقایسهی الگوریتم های موجود میپردازیم

کلیدواژه ها:

بازیابی تصویر ، روش مبتنی بر کلمه ، روش مبتنی بر محتوا ، یادگیری عمیق ، شبکه عصبی کانولوشن عمیق

نویسندگان

امیر سزاوار

دانشگاه بیرجند، دانشکده مهندسی برق و کامپیوتر

حسن فرسی

دانشگاه بیرجند، استاد تمام دانشکده مهندسی برق و کامپیوتر

سجاد محمدزاده

دانشگاه بیرجند، استادیار دانشکده فنی و مهندسی فردوس

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 :
  • Tikle, A.N., Vaidya, C., and Dahiwale, P. (2015), "A Survey ...
  • Weining, W , .and Qianhua, H. (2008), "A survey on ...
  • Silva Junior, J.A., Maral, R.E., and Batista, M.A. (2014), "Image ...
  • Torres, R.D.S., and Falcao, A.X. (2006), 2" Content-B ased Image ...
  • A.V.Singh. (2015), ' ' Content-B ased Image Retrieval using Deep ...
  • Guo, Y., Liu, Y., Oerlemans, A., Lao, S., Wu, S., ...
  • Arel, I., Rose, D.C., and Karnowski, T.P. (2010), "Deep Machine ...
  • Lecun, Y., Bottou, L., Bengio, Y., and Haffner, P. (1998), ...
  • Hinton, A.K.I.S.G.E. (2012), " ImageNet Classification with Deep Convolutional .pdf, ...
  • Zeiler, M.D., and R.Fergus. "Visualizing and Und erstanding, " Springer ...
  • He, K., Zhang, X., Ren, S., and Sun, J. (2015), ...
  • K.Simonyan, and Zisserman, A. (2015), "VERY DEEP C ONVO LUTIONAL ...
  • Szegedy, C., Wei, L., Yangqing, J., Sermanet, P., Reed, S., ...
  • Huang, J., Feris, R., Chen, Q., and Yan, S. (2015), ...
  • نمایش کامل مراجع