مطالعه ای بر روی توصیفگرهای عمومی تصاویر

از اهدافی که در هوش مصنوعی دنبال میشود، میتوان به پیشبینی و تصمیمگیری داده ها در بستر متن، تصویر و ویدیو بهصورت هوشمند اشاره کرد. لذا با معرفی ابزارهای یادگیری ماشین، سبب شد قدمی بزرگ در این مسیر برداشته شود. مبنای کارکرد الگوریتمهای میتنی بر یادگیری ماشین انتخاب ویژگیهای پرمحتوا از داده های اصلی است. بنابراین جهت انتخاب نقاط کلیدی به عنوان ویژگیهای پرمحتوا، روشهای متعددی معرفی شده است که میتوان آنها را به دو بخش قبل از یادگیری عمیق(نظیر SIFT، (Harris و بعد از یادگیری عمیق (نظیر شبکه های عصبی CNN مبتنی بر یادگیری با ناظر) تقسیم کرد. انتظار میرود ویژگیهای انتخاب شده دارای خواصی نظیر مستقل بودن نسبت به انتقال، تغییرات مقیاس، شدت نور و ... باشند و قدرت متمایزکنندگی بالایی داشته باشند. اما ناشی از عدم ارتباط کلی بین ویژگیهای استخراجشده محلی در سطوح مختلف و چالشهایی که در این حوزه موجود است، روشهایی جهت نگاشت توصیفکننده های محلی در یک فضای عمومی جهت استخراج ویژگی از کل سطح داده در نظر گرفته میشود که از آنها تحت عنوان توصیفگرهای عمومی یاد میکنند. در این مقاله مروری بر روشهای توصیفگرهای محلی شده و در ادامه چالشهایی که در این حوزه ایجاد میشود مورد بررسی قرار گرفته و در نهایت با مطالعه ای بر روی توصیف گرهای عمومی به رویارویی چالشهای بیان شده پرداخته میشود.