روشی ترکیبی و نیمه نظارتی مبتنی بر گراف برای برچسب زنی خودکار تصاویر
محل انتشار: ماشین بینایی و پردازش تصویر، دوره: 6، شماره: 2
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 269
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMVIP-6-2_006
تاریخ نمایه سازی: 23 اردیبهشت 1400
چکیده مقاله:
روش های یادگیری نیمه نظارتی مبتنی بر گراف اغلب بر روی مسائل تک برچسبی متمرکز و پیاده سازی شده اند، درصورتی که بسیاری از مسائل دنیای واقعی به صورت چندبرچسبی هستند. در این مقاله یک روش نیمه نظارتی ترکیبی بنام LGC+ML-KNN برای برچسب زنی تصاویر به صورت چندبرچسبی ارائه داده ایم که از ترکیب روش یادگیری نیمه نظارتی مبتنی بر گراف (LGC) و یادگیری چندبرچسبی (ML-KNN) تشکیل شده است . روش ارائه شده به دلیل استفاده از یادگیری نیمه نظارتی و مشارکت دادن تمام نمونه ها و پیش بینی برچسب های اولیه و آموزش یادگیر ML-KNN با تعداد نمونه برچسب خورده بیشتر، دارای دقت بهتری نسبت به روش های موجود است. روش ارائه شده روی چندین مجموعه داده استاندارد آزمون شده است. نتایج آزمایش ها نشان می دهد که عملکرد روش ارائه شده بخصوص در مواردی که تعداد نمونه برچسب دار بسیار کم است، به نحو قابل ملاحظه ای بهتر است.
کلیدواژه ها:
نویسندگان
مجتبی کردآبادی
دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه بوعلی سینا
محرم منصوری زاده
گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا
حسن ختن لو
گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا