طراحی یک سیستم بهبود یافته بازیابی تصویر با استفاده از تکنیک یادگیری کوتاه مدت مبتنی بر ماشین بردار پشتیبان، یادگیری فعال و تکنیک یادگیری بلندمدت مبتنی بر الگوهای معنایی

بازیابی تصویر مبتنی بر محتوا، یکی از مهم ترین روش های موجود برای بازیابی خودکار تصاویر می باشد. در دهه اخیر به منظور نزدیک تر شدن سامانه های بازیابی تصویر به محتوای معنایی تصاویر، از روش های یادگیری کوتاه مدت و بلند مدت به صورت همزمان استفاده شده است. در این مقاله، رویکرد جدیدی در یادگیری کوتاه مدت مبتنی بر ماشین بردار پشتیبان و یادگیری فعال ارایه شده که در ترکیب با یک تکنیک یادگیری بلندمدت مبتنی بر الگوهای معنایی، دقت بازیابی را به طور موثری افزایش داده است. در این روش، مرز تصمیم گیری در ماشین بردار پشتیبان با استفاده از اطلاعات تصاویر مرتبط و نامرتبط تصحیح می شود. از آنجا که تعداد این تصاویر برای آموزش کم می باشد، از یک تکنیک یادگیری فعال برای انتخاب نمونه ها به صورت هدفمند استفاده شده است. همچنین الگوهای معنایی بر پایه اطلاعات این تکنیک یادگیری کوتاه مدت، استخراج شده و در صورت مفید بودن در بهبود نتایج بازیابی در پرس و جوهای آینده استفاده می شوند. روش پیشنهادی در یک پایگاه تصویر شامل 5000 تصویر آزموده شده است. نتایج آزمایش ها، برتری روش پیشنهادی و ادغام موثر تکنیک یادگیری کوتاه مدت پیشنهادی با تکنیک یادگیری بلندمدت را نسبت به روش های یادگیری کوتاه مدت متداول نشان می دهد.

کلیدواژه ها:

بازیابی تصویر ، یادگیری کوتاه مدت ، یادگیری بلندمدت ، ماشین بردار پشتیبان ، یادگیری فعال ، الگوهای معنایی