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 .
1. مقدمه
درسالهای اخیر پیشرفت های بسیاری در ضبط عکس در ابزارهای همراه حاصل شده است که کاربران نهائی را تشویق می کند عکس های بیشتری با کیفیت بالاتر ضبط نمایند.در نتیجه این امر درمجموعه های عکس، هم در رایانه های شخصی و هم در وب سایت هائی نظیر فیسبوک،فلیکرواینستاگرام وفوردائمی وجود دارد. چنین مجموعه های بی شماری نیاز به روش هائی برای دسته بندی عکس ها ، برچسب زنی تصویر و به ویژه ذخیره عکس دارد که به کاربران این اجازه را می دهد به سرعت عکس مناسب برای نیازشان را بیابند.این روش ها ضرورتاً متکی بر موجود بودن شباهت های دوبدو بین دو عکس در مجموعه هستند.
بسیار دشوار است که یک معیار فاصله ای تعیین کنیم تا شباهت شناخت حضوری یا معنایی بین تصاویر را به خوبی ضبط کند. روش های تحلیلی برای محاسبه چنین معیار زمانی که شباهت ها از زمینه معنایی بر می آید ناکارآمد است . این ناکارآمدی ممکن است شامل روابط فرّار نظیر هیجان و احساس مشابه که توسط تصویرالقا می شود.(مثلاً تصایری که ترس یا یا آرامش را انتقال می دهند)تصاویر اشیائی که از لحاظ معنائی مرتبط هستند(مثلاً انواع مختلف وسائل باغ) ، همانندی بین افرادی که عکسشان گرفته شده و غیره .به عنوان نمونه به شباهت بین تصاویر پوستر فیلم در شکل یک دقت کنید . شناسائی چنین شباهتهائی معمولاً توسط انسان به آسانی انجام می شود ، اما با این حال همراه باعث بروز ایراد مشکل شدید محاسباتی خواهد بود.
این مقاله در نشریه اسپرینگر منتشر شده و ترجمه آن با عنوان شباهت معنایی تصویر در سایت ای ترجمه به صورت رایگان قابل دانلود می باشد. جهت دانلود رایگان مقاله فارسی و انگلیسی روی عنوان فارسی (آبی رنگ) کلیک نمایید.
منبع:
Toward semantic image similarity from crowdsourced clustering
