بازیابی تصویر رنگی از پایگاه داده های چند رسانه ای بزرگ

چکیده:

در سیستم­های بازیابی تصویر سنتی، تصویر ورودی در کل پایگاه داده بارها و بارها برای ویژگی های مختلف تصویر جستجو می­شود، متوسط نتایج بدست آمده برای تولید یک خروجی مشترک با هم ادغام می­شود. این روش­ها برای پایگاه داده بزرگ کارآیی کافی ندارد. در این مقاله، تیم پی سی اسکریپت روش جدید بازیابی تصویر ارائه نموده است. بازیابی در دو مرحله متنی و تصویری انجام می­گیرد.

از آنجا که رتبه­بندی مجدد اعمال نشده بنابراین، اثربخشی و بازدهی CBIR با اجرا در یک زیر مجموعه از طریق عملیات کمتر اضافه می­شود. بازیابی تصاویر در سه مرحله به ترتیب بر اساس رنگ، بافت و شکل انجام می­گیرد. تصاویر خروجی از هر مرحله به عنوان ورودی پایگاه داده برای مرحله بعدی بکار می­رود، در نتیجه تعداد تصاویری که در هر مرحله مورد جست و جو قرار می­گیرد کاهش می­یابد لذا نیازی به تلفیق نتایج میانی برای بدست آوردن نتیجه نهایی نیست و این موضوع موجب کاهش زمان محاسبه و افزایش دقت کلی سیستم می­شود.

بیان مساله:

در بازیابی تصویر مبتنی بر محتوا (CBIR)، تصاویر توسط ویژگی­های جهانی و یا محلی بازبینی می­شوند. ویژگی­های جهانی قادر به تعمیم یک تصویر کامل با یک بردار واحد توصیف رنگ، بافت و شکل است. علاوه بر این، چنین مجموعه­هایی ممکن است راه­های مختلفی برای دسترسی به هر یک از رسانه­ها را فراهم کند. به عنوان مثال، یک موضوع ممکن است در چندین زبان وجود داشته باشد و رسانه­های غیر متنی ممکن است در زمینه­های مختلف ابرداده، مانند نام فایل، نویسنده، احتمالا به چندین زبان شرح و تفسیر گردند، برخی برای توصیف چنین بازیابی تنظیم چند رسانه­ای از اصطلاح چند وجهی multimodal استفاده کرده­اند.

مطابق یکی از تعاریف « modality » در فرهنگ لغت، یعنی «کیفیت، ویژگی، یا شرایطی که نشان دهنده حالت، خلق و خوی، و یا شیوه ای مناسب­تر باشد» در IR ،modality به عنوان کیفیت یک شیوه از بازیابی تعریف شده است. به عنوان مثال، یک مجموعه چند رسانه­ای متشکل از دو رسانه، مانند متن و تصویر، ممکن است از دو روش برای هر یک از آیتم­های آن تشکیل شده باشد، به عنوان مثال متن انگلیسی، متن فرانسوی، بافت تصویر، رنگ تصویر، و غیره.