مشاهده مشخصات مقاله
دسته‌بندی و حاشیه‌نویسی تصویر با استفاده از مدل‌های احتمالاتی موضوع با ورودی‌های وزن‌دار
|
Authors |
-
سیدنوید محمدی فومنی
-
احمد نیک‌آبادی
|
|
Conference |
بیست و دومین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
|
Abstract |
دسته‌بندی و حاشیه‌نویسی تصاویر از جمله مسائل پرکاربرد در حوزه پردازش تصاویر هستند. تا‌کنون تلاش‌های زیادی به منظور استفاده از مدل‌های موضوعی نظیر مدل احتمالاتی LDA جهت دسته‌بندی و حاشیه‌نویسی همزمان تصاویر صورت گرفته‌است. اخیرا مدل‌های موضوع دیگری بر مبنای شبکه‌های عصبی احتمالاتی نظیر SupDocNADE معرفی شده‌اند که نتایج خوبی در مدل‌کردن داده‌های چند‌مقداری مانند دسته‌بندی و حاشیه‌نویسی تصاویر ارائه داده‌اند. در این مدل‌ها کلمات حاشیه‌نویسی نیز در کنار کلمات بصری تعبیه شده و به عنوان بردار ویژگی برای شبکه در نظر گرفته می‌شود. در عمل تعداد ویژگی‌های استخراج‌شده از تصویر بسیار بزرگتر از ویژگی‌هایی است که از کلمات حاشیه‌نویسی بدست می‌آیند. عدم تعادل بین کلمات بصری و حاشیه‌نویسی سبب می‌شود تا سهم کلمات حاشیه‌نویسی برای بازنمایی در لایه پنهان شبکه‌عصبی مورد استفاده در این مدل، بسیار کمتر از کلمات بصری باشد. از طرفی گرادیانی که از کلمات حاشیه‌نویسی تولید می‌شود بسیار کوچک بوده تا بتواند تاثیر قابل توجهی در افزایش احتمال شرطی حاصل از کلمات حاشیه‌نویسی داشته‌باشد. در این مقاله، برای حل مشکلات عدم تعادل ویژگی‌ها، از وزن‌دهی کلمات حاشیه‌نویسی در هیستوگرام بردار ویژگی استفاده می‌شود. با آزمایش مدل پیشنهادی برروی پایگاه داده‌های UIUC_Sports و LabelMe، بهبود 5 درصدی در معیارF در کلمات حاشیه‌نویسی نسبت به مدل‌های موجود مشاهده می‌شود. |
|
قیمت |
-
برای اعضای سایت : 100,000 Rial
-
برای دانشجویان عضو انجمن : 20,000 Rial
-
برای اعضای عادی انجمن : 40,000 Rial
|
خرید مقاله
|
|
.gif){kind=icon}