دسته بندی و حاشیه نویسی تصویر با استفاده از مدل های احتمالاتی موضوع با ورودی های وزن دار

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 دسته بندی و حاشیه نویسی تصویر با استفاده از مدل های احتمالاتی موضوع با ورودی های وزن دار دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد دسته بندی و حاشیه نویسی تصویر با استفاده از مدل های احتمالاتی موضوع با ورودی های وزن دار  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی دسته بندی و حاشیه نویسی تصویر با استفاده از مدل های احتمالاتی موضوع با ورودی های وزن دار،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن دسته بندی و حاشیه نویسی تصویر با استفاده از مدل های احتمالاتی موضوع با ورودی های وزن دار :

تعداد صفحات :۱۰

چکیده مقاله:

دسته بندی و حاشیه نویسی تصاویر از جمله مسایل پرکاربرد در حوزه پردازش تصاویر هستند. تا کنون تلاش های زیادی به منظور استفاده از مدل های موضوعی نظیر مدل احتمالاتی LDA جهت دسته بندی و حاشیه نویسی همزمان تصاویر صورت گرفته است. اخیرا مدل های موضوع دیگری بر مبنای شبکه های عصبی احتمالاتی نظیر SupDocNADE معرفی شده اند که نتایج خوبی در مدل کردن داده های چند مقداری مانند دسته‎بندی و حاشیه نویسی تصاویر ارایه داده اند. در این مدل ها کلمات حاشیه نویسی نیز در کنار کلمات بصری تعبیه شده و به عنوان بردار ویژگی برای شبکه در نظر گرفته می شود. در عمل تعداد ویژگی های استخراج شده از تصویر بسیار بزرگتر از ویژگی هایی است که از کلمات حاشیه نویسی بدست می آیند. عدم تعادل بین کلمات بصری و حاشیه نویسی سبب می شود تا سهم کلمات حاشیه نویسی برای بازنمایی در لایه پنهان شبکه عصبی مورد استفاده در این مدل، بسیار کمتر از کلمات بصری باشد. از طرفی گرادیانی که از کلمات حاشیه نویسی تولید می شود بسیار کوچک بوده تا بتواند تاثیر قابل توجهی در افزایش احتمال شرطی حاصل از کلمات حاشیه نویسی داشته باشد. در این مقاله، برای حل مشکلات عدم تعادل ویژگی ها، از وزن دهی کلمات حاشیه نویسی در هیستوگرام بردار ویژگی استفاده می شود. با آزمایش مدل پیشنهادی برروی پایگاه داده های UIUC_Sports و LabelMe، بهبود ۵ درصدی در معیارF در کلمات حاشیه نویسی نسبت به مدل های موجود مشاهده می شود.