دانلود مقاله ترجمه شده CLUE: بازیابی مبتنی بر خوشه تصاویر بوسیله یادگیری غیر نظارتی


چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2001542 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
400,000 ریال
شناسه محصول :
2001542
سال انتشار:
2005
حجم فایل انگلیسی :
4 Mb
حجم فایل فارسی :
1 مگا بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

CLUE: بازیابی مبتنی بر خوشه تصاویر بوسیله یادگیری غیر نظارتی

عنوان انگليسي

CLUE: Cluster-Based Retrieval of Images by Unsupervised Learning

نویسنده/ناشر/نام مجله

IEEE TRANSACTIONS ON IMAGE PROCESSING

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 15 صفحه انگلیسی به صورت پی دی اف و 46 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی


چکیده

در سیستم ­های بازیابی تصویر مبتنی بر محتوا (CBIR)، تصاویر موجود در پایگاه داده نسبت به پرس و جویی که مطرح می­شود، بوسیله تشابهات ویژگی مرتب می­شوند. یافتن شباهت­ ها وظیفه اصلی در سیستم بازیابی تصویر است. در این مقاله یک روش بازیابی مبتنی بر خوشه تصاویر بوسیله یادگیری غیر نظارتی (CLUE)، جهت بهبود دادن تعاملات کاربر، بوسیله استفاده کامل از اطلاعات تشابه، معرفی می­ شود. CLUE خوشه­ های تصویر را بوسیله اعمال یک الگوریتم خوشه بندی تئوری گراف به یک مجموعه از تصاویر در همسایگی یا مجاورت پرس و جو، بازیابی می­کند. خوشه بندی در CLUE پویا است. به خصوص، CLUE می­تواند با هر سنجش تشابه متقارن مقدار-حقیقی (متریک یا غیر متریک) ترکیب شود. بنابراین، این روش  می­تواند در اکثر سیستم­ های CBIR حال حاضر، از جمله سیستم ­های بازخورد ارتباطی، استفاده شود. کارایی یک سیستم بازیابی تصویر آزمایشی با استفاده از CLUE بر روی پایگاه داده­ای با 60000 تصویر از COREL ارزیابی شده است. نتایج تجربی نشان دهنده بهبود عملکرد در مقایسه با یک سیستم بازیابی تصویر با استفاده از همان سنجش تشابه تصویر است. بعلاوه، نتایج روی تصاویر بدست آمده بوسیله جستجوی تصویر گوگل، پتانسیل ناشی از اعمال CLUE به داده­ های تصویر دنیای حقیقی را آشکار کرد و CLUE را بعنوان یک قسمت از رابط نرم افزاری برای سیستم ­های بازیابی تصویر مبتنی بر کلمه کلیدی، مورد توجه قرار داد.

1-مقدمه

1-1-کارهای قبلی

بازیابی تصویر مبتنی بر محتوا (CBIR) قصد دارد تا تکنیک­ هایی که بطور موثر جستجوهای کتابخانه­ های دیجیتالی تصویر بزرگ مبتنی بر ویژگی­ های تصویری مشتق شده خودکار را پشتیبانی می­کنند، توسعه دهد. بطور خلاصه، یک سیستم CBIR نوعی، تصویر پرس و جو و تصاویر موجود در پایگاه داده را بعنوان یک مجموعه از ویژگی­ ها نشان می­دهد و ارتباط بین تصویر پرس و جو و هر تصویر در پایگاه داده را به تناسب اندازه تشابه محاسبه شده از ویژگی­ ها، رتبه بندی می­کند....

بازیابی تصویر مبتنی بر محتوا بازیابی تصاویر مبتنی بر خوشه :کلمات کلیدی

چکیده انگلیسی


Abstract

In a typical content-based image retrieval (CBIR) system, target images (images in the database) are sorted by feature similarities with respect to the query. Similarities among target images are usually ignored. This paper introduces a new technique, cluster-based retrieval of images by unsupervised learning (CLUE), for improving user interaction with image retrieval systems by fully exploiting the similarity information. CLUE retrieves image clusters by applying a graph-theoretic clustering algorithm to a collection of images in the vicinity of the query. Clustering in CLUE is dynamic. In particular, clusters formed depend on which images are retrieved in response to the query. CLUE can be combined with any real-valued symmetric similarity measure (metric or nonmetric). Thus, it may be embedded in many current CBIR systems, including relevance feedback systems. The performance of an experimental image retrieval system using CLUE is evaluated on a database of around 60,000 images from COREL. Empirical results demonstrate improved performance compared with a CBIR system using the same image similarity measure. In addition, results on images returned by Google's Image Search reveal the potential of applying CLUE to real-world image data and integrating CLUE as a part of the interface for keyword-based image retrieval systems

Keywords: Content-based image retrieval (CBIR) image classification similarity measure spectral graph clus
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید