Document Image Retrieval Based on Keyword Spotting Using Relevance Feedback

كشف كلمه كليدي يكي از روش هاي معروف در بازيابي تصاوير اسناد است. در اين روش، جستجو در مجموعه اي از تصاوير اسناد بر اساس پرس و جوي تصوير كلمه صورت مي گيرد. در اين مقاله يك روش براي بازيابي تصاوير اسناد مبتني بر كلمه ي كليدي پيشنهاد شده است. در روش پيشنهادي، يك معماري با استفاده از بازخورد مرتبط ارايه مي شود. بازخورد مرتبط, يك روش تعاملي و موثر است كه كارايي سيستم بازيابي تصاوير اسناد را افزايش مي دهد. در روش پيشنهادي ما چندين استراتژي از بازخوردهاي مثبت و منفي شامل "تنها بازخورد مثبت", "تنها بازخورد منفي" و "بازخورد مثبت ومنفي" را با هم مقايسه مي نماييم. نتايج نشان مي دهد كه با استفاده از بازخورد مرتبط در بازيابي تصاوير اسناد كارايي بهتري نسبت به بازيابي تصاوير اسناد معمولي بدست مي آيد.

Keyword Spotting is a well-known method in document image retrieval which is based on query word image. In this paper, a document image retrieval system based on keyword spotting and relevance feedback is presented. Relevance feedback as an interactive method is used in this paper to improve the performance of Document Image Retrieval System (DIRS). In the proposed method, we compare several strategies of positive and negative feedbacks which include “Only Positive Feedback”, “Only Negative Feedback” and “Positive and Negative Feedback”. Experiments show that using relevance feedback in DIR outperforms common DIR.