دسته بندی صحنه تصویر بر پایه روش ناحیه کاندیدا و شبکه های Boosting

دسته بندی صحنه ی تصویر یکی از چالش های اساسی و مهم در بینایی ماشین و یادگیری ماشین می باشد. در این مقاله یک راهکار نوین برپایه ویژگی های سطح بالا استخراج شده از نواحی مرتبط به اشیاء به منظور دسته بندی صحنه تصویر استفاده شده است. در گام نخست نواحی کاندید شی توسط روش گروه بندی ترکیبی بر پایه چندین مقیاس شناسایی شده است. سپس برای استخراج ویژگی از روش کانولوشن و تجزیه مقادیر منفرد استفاده شده است. در گام بعدی از شبکه Boosting برای شناسایی برچسب نواحی و همچنین میزان شی بودن نواحی پیشنهادی استفاده شده است. در نهایت با ویژگی های استخراج شده از نواحی مرتبط به شی و برچسب آنها، دسته بندی تصویر توسط ماشین بردار پشتیبان انجام شده است. روش پیشنهادی بر روی مجموعه داده SUN مورد ارزیابی قرار گرفته و نتایج بدست آمده نشان دهنده عملکرد خوب روش پیشنهادی می باشد

کلیدواژه ها:

دسته بندی صحنه ، کانولوشن ، تجزیه مقادیر منفرد ، Boosting ، مجموعه داده SUN ، ناحیه کاندیدا