Semantic scene classification for content-based image retrieval
İçerik tabanlı görüntü erişimi için anlamsal sahne sınıflandırması
- Tez No: 177219
- Danışmanlar: YRD. DOÇ. DR. SELİM AKSOY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 82
Özet
Son yıllarda çok geniş veri tabanlarının kullanımıyla birlikte içerik tabanlıgörüntü indekslemesi ve erişimi önemli bir araştırma konusu halini almıştır.Görütü indekslenmesinde kullanılan alt düzey öznitelikler görüntülerin karmaşıkiçeriklerini yeterli olarak ifade edememektedirler. Bu çalışmada, görüntü indekslemesiiçin sahne sınıflandırmasını baz alan bir görüntü erişim sistemitanımlanmıştır. İlk olarak renk ve doğrusal çizgi yapı özellikleri kullanılarakgörüntüler bölütlenmiştir. Çizgi yapı özellikleri kullanılarak, insan yapısı gibibirörnek renklerden oluşmayan yapıların görüntülerden bölütlenmesi hedeflenmektedir.Bölütleme sonucunda elde edilen tüm bölütler k-means öbekleme algoritmasıkullanılarak öbeklendikten sonra, her görüntü içermiş olduğu bölüttürlerinin histogramıyla ifade edilmiştir. Elde edilen histogramlar üzerinde çoksınıflı ve tek sınıflı sınıflandırıcılar eğitilmiş ve her görüntü için o görüntününfarklı sınıflara ait olma olasılıkları bulunmuştur. Bir görüntü aynı anda birdenfazla sınıfa ait olabileceğinden, görüntüleri en yüksek olasılık değerini verensınıfla etiketlemek yeterli olmayabilir. Bu nedenle, görüntüler tüm sınıflara aitolma olasılıkları ile indekslenmiş ve içerik tabanlı görüntü erişimi bu indekslerkullanılarak gerçekleştirilmiştir. Görüntü erişim sistemini insan algısıyla desteklemekve anlambilimsel uçurumu en aza indirgemek için erişim senaryosuna tek sınıfsınıflandırıcı bazlı ilgililik geri beslemesi eklenmiştir. Bunun için, ilgili görüntüleriçok iyi modelleyen, ilgili olmayan görüntülerden de bir o kadar uzak duranbir hiperküre oluşturan destek vektör veri tanımlaması kullanılmıştır. Önerilenyöntemler TRECVID ve Corel veri kümelerinde denenmiş ve başarılı sonuçlarelde edilmiştir.
Özet (Çeviri)
Content-based image indexing and retrieval have become important researchproblems with the use of large databases in a wide range of areas. Because of theconstantly increasing complexity of the image content, low-level features are nolonger sufficient for image content representation. In this study, a content-basedimage retrieval framework that is based on scene classification for image indexingis proposed. First, the images are segmented into regions by using their color andline structure information. By using the line structures of the images the regionsthat do not consist of uniform colors such as man made structures are captured.After all regions are clustered, each image is represented with the histogram ofthe region types it contains. Both multi-class and one-class classification modelsare used with these histograms to obtain the probability of observing differentsemantic classes in each image. Since a single class with the highest probabilityis not sufficient to model image content in an unconstrained data set with a largenumber of semantically overlapping classes, the obtained probability values areused as a new representation of the images and retrieval is performed on thesenew representations. In order to minimize the semantic gap, a relevance feedbackapproach that is based on the support vector data description is also incorporated.Experiments are performed on both Corel and TRECVID datasets and successfulresults are obtained.
Benzer Tezler
- Enhancing scene sketch understanding through a dual-network: Visio-temporal segmentation and context-aware sketch recognition
Çift ağ ile sahne çizimi anlamayı geliştirme: Görsel-zamansal bölütleme ve bağlam farkındalıklı çizim tanıma
ALEYNA KÜTÜK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. TEVFİK METİN SEZGİN
- Scene classification using spatial pyramid of latent topics
Gizli temalardan uzaysal piramit oluşturularak sahne sınıflandırılması
EMRAH ERGÜL
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDeniz Harp Okulu KomutanlığıBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NAFİZ ARICA
- Aircraft detection from large scale remote sensing images with deep learning techniques
Büyük ölçekli uzaktan algılama görüntülerinden derin öğrenme teknikleriyle uçak tespiti
MEHMET SOYDAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Mevkisel ve anlamsal göreceli nitelikler yardımıyla görüntü tanıma
Visual recognition via spatially and semantic relative attributes
EMRAH ERGÜL
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SARP ERTÜRK
DOÇ. DR. NAFİZ ARICA
- An object recognition framework using contextual interactions among objects
Nesneler arasındaki bağlamsal etkileşimleri kullanan bir nesne tanıma çerçevesi
FIRAT KALAYCILAR
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. SELİM AKSOY