مروری بر بکارگیری تکنیک های داده کاوی در حاشیه نگاری خودکار

حاشیه نگاری خودکار (AIA)، تصاویرکنونی را در تعامل با نتایج حاصل از متاداده ها قرار میدهد و بدین ترتیب افق های ناپیدایی پیش روی تفسیر، طبقه بندی، ثبت، اشتراگذاری و خوشهبندی تصاویر گشودهاست. به خاطر تصاویر بسیاری که در حال حاضر تولید میشوند، بسیار مهم است که روشهایی برای سازماندهی، مرور، جستجو و بازیابی وجود داشته باشد. AIA نقش کلیدی در این مکانیزم ها دارد چون قادر است داده های خام را با اختصاص برچسب، به اطلاعات ویژهای که برای انسانها ضروری است، ارتباط دهد. اخیرا، یادگیری چند-برچسبی در کاربردهای تفسیر و طبقه بندی تصویر توجه زیادی را به خود جلب کردهاست. با این حال، اکثر روشهای موجود، ثبات برچسبها را در نظر نمی گیرند. از طرفی رویکردهای دستی و نیمه خودکار برای مقابله با مقادیر عظیم داده های ناهمگن و داده های رو به افزایش مناسب نیستند، بنابراین مسئله حاشیه نگاری معنایی مطرح میشود. سامانه های بازیابی تصاویر در نسلهای جدید یک عبارت معنایی را معمولا به صورت یک یا چند کلمه کلیدی از کاربر دریافت کرده، به دنبال باریابی تصاویری با محتویات بصری مرتبط با آن معنا هستند. داشتن مکانیزمی که بتواند به صورت خودکار محتوای یک تصویر را مانند انسان بصورت متنی توصیف کند به کارایی این سامانه ها کمک زیادی مینماید. مقاله مروری حاضر، نتیجه بررسی مطالعات موردی و تحلیل رویکردهای دیگر، با هدف بیان محبوبترین روشها برای ایجاد مناسب ترین حاشیه نگاری است، و نتایج منطبق براهداف داده کاوی در حاشیه نگاری معنایی میباشد. این مقاله تلاشی برای بحث در مورد الگوریتمهای غالب، محدودیتها و روشهای مقابله با آن است، سپس چند پایگاه داده مناسب جهت بررسی و آزمودن سامانه های حاشیهنگاری خودکار بیان خواهد شد.