Geri Dön

Automatic image annotation by ensemle of visual descriptors

Görsel tanımlayıcı topluluklarıyla otomatik görüntü açıklama

PDF İndir

  1. Tez No: 181137
  2. Yazar: EMRE AKBAŞ
  3. Danışmanlar: PROF. DR. FATOŞ YARMAN VURAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: gürüntü aşıklama, linguistik indeksleme, topluluk ogrenmesi, ou u c üğMPEG-7, gürüntü işlemeou u s, image annotation, linguistic indexing, ensemble learning, MPEG-7, imageprocessing
  7. Yıl: 2006
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 65

Özet

Otomatik gürüntü aşıklama, verilen bir gürüntü işin o gürüntünün işeriğini aşıklayanou u c ou u c ou u u c g ckelimelerin otomatik olarak uretilmesi süreci olarak tanımlanmaktadır. Otomatikü ugürüntü aşıklama, işerik tabanlı gürüntü erişimi işin doğal bir anlamsal indekslemeou u c c ou u s c gyüntemi sağlar. Bu calışmada, değişik tipteki aşıklamalı gürüntü veritabanları uzerindeo g şs gs c ou u ücalışan iki farklı otomatik gürüntü aşıklama sistemi ünerilmektedir. Eğitmenli Gürselşs ou u c o g oTanımlayıcı Topluluğu olarak adlandırılan ilk sistem, aşıklamalı ve sınıflara bülünmüşg c o u usbir gürüntü veritabanı uzerinde eğitilir. Verilen bir gürüntünün otomatik aşıklaması, oou u ü g ou u u cgürüntünün sınıflandırma sonuşlarına bağlı olarak yapılır. Eğitmensiz Gürsel Tanımlayıcıou u u c g g oTopluluğu adlı diğer sistem, aşıklamalı gürüntü veritabanının sınıflara bülünmüş ol-g g c ou u o u usmasını gerektirmez. Otomatik aşıklama, gürsel benzerlik tabanlı eğitmensiz ogrenmeyec o g üğdayanır. Mevcut otomatik gürüntü aşıklama sistemleri tek bir oznitelik grubu kulla-ou u c üünarak tek bir üğrenme mimarisini eğitir. Onerilen sistemler ise bir gürüntünün aynıog g ou u uanda birden fazla üznitelik grubuyla güsterildiği yeni bir güsterim modeli kullanır.o o g oBu güsterim modelinde, üznitelik grupları; renk, şekil ve doku uzaylarını mümküno o s uuüolduğunşa cok kapsamalıdır. Onerilen iki sistemde de her üznitelik grubu işin birgcş o cüğrenme modülü eğitilmekte ve bu modüller topluluk üğrenmesi yaklaşımlarıyla bi-og uu g u og sraraya getirilmektedir. Deneysel sonuşlar, ünerilen sistemlerin literatürdeki bazı enc o ugelişmiş teknikleri geride bıraktığını güstermiştir.ss g o svi

Özet (Çeviri)

Automatic image annotation is the process of automatically producing words to de-scribe the content for a given image. It provides us with a natural means of semanticindexing for content based image retrieval. In this thesis, two novel automatic imageannotation systems targeting different types of annotated data are proposed. Thefirst system, called Supervised Ensemble of Visual Descriptors (SEVD), is trainedon a set of annotated images with predefined class labels. Then, the system auto-matically annotates an unknown sample depending on the classification results. Thesecond system, called Unsupervised Ensemble of Visual Descriptors (UEVD), assumesno class labels. Therefore, the annotation of an unknown sample is accomplished byunsupervised learning based on the visual similarity of images. The available auto-matic annotation systems in the literature mostly use a single set of features to traina single learning architecture. On the other hand, the proposed annotation systemsutilize a novel model of image representation in which an image is represented witha variety of feature sets, spanning an almost complete visual information comprisingcolor, shape, and texture characteristics. In both systems, a separate learning entity istrained for each feature set and these entities are gathered under an ensemble learningapproach. Empirical results show that both SEVD and UEVD outperform some ofthe state-of-the-art automatic image annotation systems in equivalent experimentalsetups.

Benzer Tezler

  1. Tez No

    286218

    A novel refinement method for automatic image annotation systems

    Otomatik görüntü etiketleme sistemleri için yeni bir iyileştirme yöntemi

    ERŞAN DEMİRCİOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    PROF. DR. FATOŞ TÜNAY YARMAN VURAL

  2. Tez No

    177503

    Hanolistic: A hierarchical automatic image annotation system using holistic approach

    Bütünsel yaşlaşımla hiyerarşik otomatik resim açıklama

    ÖZGE ÖZTİMUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FATOŞ T. YARMAN VURAL

  3. Tez No

    431051

    Büyük imge veri tabanlarında erişim için yarı eğitmenli görsel temsiller

    Semi-supervised visual representations for large scale image databases

    TUĞÇE DÖNGEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAKAN ÇEVİKALP

  4. Tez No

    486863

    Content based medical image retrieval

    İçerik tabanlı tıbbi görüntü bulgetir

    NEDA BARZEGARMARVASTI

    Doktora

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BURAK ACAR

  5. Tez No

    474372

    Video and image based face analysis with extreme learning machines

    Uçta öğrenme makineleriyle video ve imge tabanlı yüz analizı

    FURKAN GÜRPINAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    DOÇ. DR. ALBERT ALİ SALAH

    YRD. DOÇ. DR. HEYSEM KAYA

Geri Dön