رتبه بندی دوگانه برای بازیابی تصویر اینترنتی

نوع فایل : word

تعداد صفحات : 19

تعداد کلمات : 5200

مجله : CIVR

انتشار : 2010

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
1 سپتامبر 2020
دسته بندی
تعداد بازدیدها
871 بازدید
24,000 تومان

عنوان فارسی مقاله:رتبه بندی دوگانه برای بازیابی تصویر اینترنتی

 

چکیده

 سیستم‌های بازیابی تصویر عمومی از ساختار متن و لینک برای درک محتوای تصاویر اینترنتی و عدم قدرت تمایز و تشخیص برای تحویل نتایج جست و جوی بصری متنوع استفاده می‌کند. فهرست نتایج اغلب در برگیرنده صدها صفحه می‌باشد که بسیاری از آن‌ها را نمی‌توان مشاهده کرد و در عین حال این نیازمند صرف زمان و انرژی زیادی است. متاسفانه، بسیاری از تصاویر با کیفیت بالا، حاوی اطلاعات معنایی و بصری زیادی می‌باشند و در این صفحات ممکن است باشند. برای حل این مسئله، ما روش رتبه بندی مجدد موسوم به رتبه بندی دوگانه را برای بهبود بازیابی تصویر اینترنتی با خوشه بندی و مرتب کردن مجدد تصاویر بازیابی شده از موتور جست و جوگر تحقیق معرفی می‌کنیم. ما در ابتدا از مدل گراف چند جزیی برای نشان دادن تصاویر و ویژگی‌ها استفاده کرده و سپس خوشه بندی را به صورت یک مسئله بهینه سازی چند منظوره محدود در نظر می‌گیریم که از طریق برنامه نویسی نیمه معین حل می‌شود. چارچوب رتبه بندی دو گانه متشکل از رتبه بین خوشه‌ای و درون خوشه‌ای است و قادر به رتبه بندی خوشه‌ها و تصاویر به ترتیب است. روش ما با موتور جست و جوگر استاندارد ارزیابی شده و پیشرفت‌ها از حیث MAP, D@n و تجربه کاربر گزارش می‌شوند.

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Dual-Ranking for Web Image Retrieval

Abstract: 

General image retrieval systems exploit text and link structure to “understand” the content of the web images and lack the discriminative power to deliver visually diverse search results. The result list often contains hundreds of pages, most of which may not be visited, costing a lot of time and energy of users. Unfortunately, many high quality images, containing more visual and semantic information, may appear at these back pages. To tackle this problem, we introduce a re-ranking method called Dual-Rank to improve web image retrieval by clustering and reordering the images retrieved from an image search engine. We first utilize multipartite graph model to represent images and features, then formulate clustering as a constrained multi-objective optimization problem, which can be efficiently solved by semi-definite programming (SDP). The framework of Dual-Rank is composed of Inter-cluster Rank and Intra-cluster Rank, and could rank clusters and images respectively. Our method is evaluated against a standard search engine and significant improvements are reported in terms of MAP , D@n and user experience.

    دیدگاهتان را بنویسید