چکیده
تعیین شباهت بین تصایر از جمله دسته بندی تصویر ،برچسب زنی تصویر و همچنین بازیابی ، مرحله اساسی در بسیاری از برنامه های کاربردی است . روش های اتوماتیک برای ارزیابی شباهت اغلب ناکارآمد است و وقتی که زمینه معنایی برای کار نیاز است نیاز به قضاوت انسان پیش می آید چنین قضاوتهائی را می توان از طریق فنون جمع سپاری بر اساس کارهای ارائه شده توسط کاربران وب جمع آوری نمود. با این حال برای ممکن ساختن برآورد شباهت تصاویر با زمان و هزینه معقول ایجاد کارها برای مقدار انبوه باید به طریقه دقیقی انجام شود . ما مشاهده کردیم که فواصل بین همسایگی های محلی اطلاعات ارزشمندی فراهم می کند که به ما این امکان را می دهد که معیارشباهت کلی را سریع و دقیق ایجاد کنیم. این ملاحظه کلیدی ما را به سمت راه حلی براساس وظائف دسته بندی ومقایسه تصاویر نسبتاً مشابه هدایت می کند درهرجستجو،اعضای گروه مجموعه کوچکی از تصاویر را درداخل صندوق های خود جمع آوری می کنند . نتایج حاکی از شباهت های نسبی زیاد بین عکس ها می باشد ، که برای ایجاد معیار شباهت مورد استفاده قرار گرفته اند. این معیاربه صورت تصاعدی اصلاح می شود و برای ترتیب دادن تحقیقات بهتر ومکانی تر در تکرارهای بعدی بهبود می یابد . ما موثر بودن روش خودمان را بر روی مجموعه داده ها وقتی زمینه میدانی وجود داشته باشد و روی مجموعه ای از تصاویر در صورتی که شباهتهای معنایی را نمی توان اندازه گیری کرد اثبات می کنیم . درحالت خاص نشان می دهیم روش ما گزینه بهتری از روش های مرجع است و موثر بودن تحقیقات جمع آوری و فرآیند اصلاح ما را بهبود می بخشد .