کلاسه بندی تصاویر از طریق انتقال دانش هندسی و آماری

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 466

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCOMP03_156

تاریخ نمایه سازی: 31 اردیبهشت 1398

چکیده مقاله:

در بسیاری از کاربردهای بصری در دنیای واقعی، مجموعه آموزشی برچسب دار وجود ندارد. تطبیق دامنه، دانش آموخته شده توسط یک مجموعه از داده های آموزشی برچسبدار را که به عنوان دامنه منبع شاخته میشود، به مجموعه ای از داده های تست که به عنوان دامنه هدف شناخته میشود و نسبت به یکدیگر اختلاف توزیع زیادی دارند، انتقال میدهد. بنابراین، تطبیق دامنه کارایی مدل آموزش یافته توسط دامنه منبع را به منظور برچسب گذاری نمونه های دامنه هدف، افزایش میدهد. در این مقاله، ما یک روش تطبیق دامنه با عنوان کلاسه بندی تصاویر از طریق انتقال دانش هندسی و آماری (GSKT) را به منظور حفظ اطلاعات هندسی و آماری دامنه های منبع و هدف پیشنهاد میدهیم. روش GSKT، زیرفضایی را جستجو میکند که اختلاف توزیع بین دامنه های منبع و هدف در آن زیرفضا، کاهش یافته باشد. کارایی روش پیشنهادی با استفاده از پایگاه داده های بصری متنوع و با استفاده از 34 آزمایش، مورد ارزیابی قرار گرفته که نتایج بیانگر بهبود قابل ملاحظه ای در مقایسه با روشهای مطرح در حوزه تطبیق دامنه میباشد.

نویسندگان

سمانه رضایی

دانشجوی کارشناسی ارشد دانشکده مهندسی فناوری اطلاعات و کامپیوتر - دانشگاه صنعتی ارومیه - ارومیه - ایران

جعفر طهمورث نژاد

استادیار دانشکده مهندسی فناوری اطلاعات و کامپیوتر - دانشگاه صنعتی ارومیه - ارومیه - ایران