Support vector description of clusters for content-based image annotation

پیشرفت مداوم در زمینه دید کامپیوتر و یادگیری ماشین فرصت هایی برای توسعه ابزارهای خودکار برای برچسب گذاری تصاویر فراهم می کند؛ این تسهیل جستجو و بازیابی را تسهیل می کند. با این حال، با توجه به پیچیدگی سیستم های تصویری در دنیای واقعی، حاشیه نویسی تصویر موثر و کارآمد هنوز مشکل چالش برانگیز است. در این مقاله، ما یک تکنیک حاشیه نویسی مبتنی بر استفاده از محتوای تصویر و همبستگی های کلمه ارائه می کنیم. خوشه ای از تصاویر با کلمات به صورت دستی برچسب به عنوان نمونه های آموزشی استفاده می شود. تصاویر درون هر خوشه با استفاده از یک روش هسته ای مدل سازی می شوند که در آن بردارهای تصویر به یک فضای با ابعاد بالاتر نقشه می شوند و بردارهایی که به عنوان بردارهای پشتیبانی شناخته می شوند برای توصیف خوشه استفاده می شوند. برای اندازه گیری میزان ارتباط بین تصویر و یک مدل توصیف شده توسط بردارهای پشتیبانی، فاصله از تصویر به مدل محاسبه می شود. یک فاصله نزدیک تر ارتباط قویتری را نشان می دهد. علاوه بر این، همبستگی های کلمه به کلمه نیز در چارچوب حاشیه نویسی مورد توجه قرار می گیرد. برای برچسب کردن یک تصویر، سیستم پیش بینی کلمات حاشیه نویسی را با استفاده از فاصله از تصویر به مدل ها و همبستگی های کلمه به کلمه در یک چارچوب احتمالی یکپارچه می کند. آزمایشات شبیه سازی شده بر روی سه مجموعه داده های تصویری معین انجام شد. نتایج نشان دهنده عملکرد روش پیشنهادی و مقایسه آن با عملکرد سایر تکنیک های گزارش شده اخیر است.