بهبود شرحنگاري خودكار تصاوير بهوسيله تجزيه نامنفي ماتريس و آدابوست

سيستمهاي شرحنگاري خودكار تصاوير، وظيفه توصيف محتواي تصاوير بهوسيله تخصيص برچسب به آنها را بر عهده دارند. هدف از انجام اين تحقيق بهبود چشمگير نتايج دقت و سرعت يك سيستم شرحنگار تصاوير ميباشد. اخيراً با توجه به رشد روزافزون تصاوير، فرآيند شرحنگاري بر روي پايههاي تصاوير بجاي خودشان اجرا ميگردد. يكي از اين تكنيكهاي جديد، پيادهسازي الگوريتم تجزيه نامنفي ماتريس (NMF) بر روي ويژگيهاي بهدستآمده از تصاوير ميباشد. مبناي روش پيشنهادي ما، استفاده از مفهوم يادگيري گروهي براي بهبود دقت يك سيستم شرحنگاريِ مبتني بر NMF است. بدين صورتكه ابتدا از طريق الگوريتم قدرتمند آدابوست طبقهبندي تصوير آزمون صورت گرفته و ضريب تعلق تصوير آزمون به هر يك از دستههاي تصاوير آموزش محاسبه ميگردد. سپس اين ضريب در هنگام جستوجو در ميان تصاوير آموزش، براي تخصيص برچسب به تصوير آزمون، دقت كار را بهطور بهسزايي افزايش ميدهد. اين جستوجو از طريق روش KNN بر روي پايههاي تصاوير صورت ميگيرد. نتايج بدست آمده از آزمايشها، حاكي از برتري 7 درصدي دقت روش پيشنهادي نسبت به روش رقيب ميباشد. همچنين روش پيشنهادي از نظر قدرت همگرايي، سريعتر از روشهاي مشابه ديگر است