مژده حاجیانی - دانشجوی کارشناسی ارشد گرایش هوش مصنوعی دانشگاه شیراز
فرشاد تاجری پور - استادیار دانشگاه شیراز

در این مقاله ترکیب روش های جامع و شی محور را ارائه می دهیم که می تواند باعث بهبود عملکرد سیستم در دسته بندی شود. هدف اصلی در این جا توجه به مفاهیم درون صحنه و ارتقای مدل بسته ی کلمات با توجه به این مفاهیم می باشد. با توجه به این که صحنه های داخلی از اشیای مختلفی تشکیل شده است و محل قرار گیری متنوعی دارند با استفاده از الگوریتم معیار شی بودن، به یافتن پنجره هایی که احتمال شی بودن آن زیاد است که هدف آنها تشخیص یک شی خاص درون تصویر نیست بلکه مناطقی از تصویر که احتمال حضور شی در آن بیشینه است، اقدام می کنیم. سپس از این پنجره ها ویژگی های محلی استخراج شده و عملیات ساخت واژه نامه و کد نمودن بر روی مجموعه ی این ویژگی های استخراج شده صورت می پذیرد. پس استفاده از ویژگی هایی که به پس زمینه تصویر مرتبط می شوند و در تصاویر یک کلاس به طور متنوعی وجود دارد اجتناب می شود و این عمل به ساخت واژه نامه مناسب کمک خواهد نمود. ما نشان دادیم که با تلفیق مدل ارائه شده با مدل بسته کلمات و استفاده از مفاهیم سطح بالا چون شی و لحاظ نمودن اطلاعات معنایی و توجه به جنبه های متمایز هر دسته و ساخت واژه نامه مناسب از مکان های بدست آمده از الگوریتم، دقت طبقه بند را به 42,1 افزایش دادیم.

دسته بندی تصاویر، مدل بسته ویژگی ها، یادگیری ماشین، استخراج ویژگی