مقایسه ای بین سیستم cbir مبتنی بر ویژگی دست ساز رنگ و شبکه عصبی کانولوشن vgg16

مقایسه ای بین سیستم cbir مبتنی بر ویژگی دست ساز رنگ و شبکه عصبی کانولوشن vgg16

بازیابی تصویر یک مشکل چالش برانگیز در حوزه بینایی کامپیوتر است. سیستم های بازیابی تصویر مبتنی بر محتوای سنتی (cbir) برای بازیابی تصاویر بر اساس نمایش های محتوای سطح پایین مانند رنگ، بافت و شکل ساخته شده اند. این ویژگی های دست ساز خاص دامنه در برنامه های مختلف بازیابی تصویر عملکرد خوبی داشتند.

انتخاب ویژگی های تصویر به شدت بر عملکرد چنین سیستم هایی تأثیر می گذارد. همچنین، برای انتخاب ویژگی های مناسب برای برنامه بازیابی تصویر، نیاز به درک عمیق تری از دامنه است. پیشرفت های اخیر در بازیابی تصویر بر ایجاد ویژگی هایی متمرکز است که مستقل از دامنه هستند.

یادگیری ماشینی می تواند به یادگیری نمایش های مهم از تصاویر کمک کند. شبکه های عصبی کانولوشن (cnn) یک کلاس مهم از مدل های یادگیری ماشین هستند. cnn ها می توانند ویژگی های چند مقیاسی سطح بالا را از داده های تصویر استخراج کنند. cnn با لایه های عمیق به طور گسترده در مسائل طبقه بندی تصاویر استفاده می شود.

ایجاد یک مدل جدید و موثر عمیق cnn نیازمند زمان آموزشی عظیم، منابع محاسباتی و مجموعه داده های بزرگ است. بسیاری از مدل های عمیق cnn مانند vgg16 ،resnet ،alexnet و غیره وجود دارند که از قبل روی مجموعه داده های عظیم آموزش داده شده اند و وزن مدل ها برای انتقال دانش آموخته شده به حوزه های جدید به اشتراک گذاشته می شوند.

cnn های از پیش آموزش دیده را می توان با استخراج ویژگی ها از لایه های کاملاً متصل مدل قبل از لایه خروجی، برای مشکل بازیابی تصویر اعمال کرد. در این کار، از مدل پیش آموز cnn vgg16 برای ایجاد یک روش cbir استفاده می شود. چارچوب cbir پیشنهادی برای مشکل بازیابی تصویر در حوزه تصاویر معنایی wang اعمال می شود و به میانگین دقت بازیابی 98 درصد دست پیدا می کنیم.