اشکان ایمان طلب کردمحله - دانشکده مهندسی دریا دانشگاه صنعتی امیرکبیر تهران
اصغر اسکندری چچگلو - دانشکده علوم ریاضی گروه آمار دانشگاه گیلان رشت

در سالهای اخیر تحقیقات وسیعی به منظور ایجاد پایگاه دانش بصری با استفاده از تصاویر اینترنتی انجام گرفته است. اما اکثر این تحقیقات بر بازنمایی مبتنی بر جعبه محصور کننده تمرکز دارند. در جدیدترین روشی که در این مقاله مورد بررسی قرار می گیرد، پایگاههای دانش بصاری با استفاده از اشکارسازی خودکار و قطعه بندی آنها از تصاویر اینترنتی نویزی، بهبود پیدا می کند. این روش، قدرت مدلهلی تولیدی در قطعه بندی و اثربخشی مدلهای متمایز کننده در آشکارسازی را با یکدیگر ترکیب می کند. ایده اصلی این رویکرد یادگیری و استخراج احتمال های اولیه قطعه بندی بالا به پایین بر مبنای زیر رسته های بصری است. سپس احتمال های اولیه بدست آمده از این زیر رستههای بصاری با آشکارسازهای متمایزکننده آموزش داده شده و ویژگی های پایین به بالا به منظور ایجاد قطعه بندی های دقیق و واضح ترکیب میشوند. نتایج آزمایش ها بالاترین کارایی را بر روی مجموعه داده پیچیده معرفی شده توسط ]1[ نشان می دهد. در این مقاله با بررسی کامل و دقیق این روش، نتایج اعمال آن در آشکارسازی مجموعه تصاویر دریایی مانند کشتی ها، زیردریاییها و ناوشکنها را ارائه می کنیم

قطعه بندی همزمان ،زیررسته های بصری ،احتمالهای اولیه بالا به پایین ،مدلهای تولیدی ،مدلهای متمایز کننده ،پایگاه های دانش بصری