امیر سزاوار - دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند
حسن فرسی - دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند
سجاد محمدزاده - دانشکده فنی و مهندسی فردوس - دانشگاه بیرجند

بازیابی تصویر یکی از موضوعات مهم و چالش برانگیز در حوزه بینایی ماشین و پردازش تصویر است. تاکنون تحقیقات زیادی در زمینه بازیابی بر روی روش های مختلف انجام شده است. از دهه ­70 میلادی بازیابی مبتنی بر کلمه معرفی شد و پس از گذشت دو دهه با توجه به افزایش حجم داده ذخیره شده و ناکارآمدی این روش ها،  بازیابی مبتنی بر محتوا پایه گذاری شد. دراین روش محققان با توجه به استخراج ویژگی از تصاویر، به نتیجه بهتری دست یافتند. اما وجود فاصله معنایی میان ادراک انسان و ویژگی های سطح پایین استخراج شده از تصاویر از یک سو و از سوی دیگر افزایش بی رویه حجم داده پیرو پیشرفت فناوری، باعث شد تا روش های ابداع شده ناکارآمد شوند و پژوهش ها به سمت الگوریتم های جدیدتر معطوف شوند. با توجه به موفقیت و رشد چشم گیر الگوریتم های یادگیری عمیق، برآن شدیم تا روشی جدید مبتنی بر یادگیری عمیق به منظور بازیابی تصویر پیاده سازی کنیم. در این مقاله پس از معرفی شبکه های عصبی کانولوشن به عنوان زیرمجموعه ای از روش های یادگیری عمیق، سیستم بازیابی مبتنی بر شبکه عصبی کانولوشن پیشنهاد می دهیم و با اجرای این سیستم بر روی سه پایگاه داده ALOI، Corel و Mpeg7 و محاسبه سه معیار (P(0.5) ،P(1 و ANMRR و مقایسه آن ها با روش های دیگر،  نشان می دهیم که این مدل از دقت خیلی بالاتری نسبت به سایر الگوریتم های مرسوم، برخوردار است.

بازیابی تصویر, روش مبتنی بر کلمه, روش مبتنی بر محتوا, یادگیری عمیق, شبکه های عصبی کانولوشن