Geri Dön

Image annotation with semi-supervised clustering

Yarı denetimli kümeleme ile görüntü etiketleme

  1. Tez No: 255252
  2. Yazar: AHMET SAYAR
  3. Danışmanlar: PROF. DR. FATOŞ T. YARMAN VURAL
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  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: 164

Özet

Görüntü etiketleme, mevcut etiketlenmiş görüntü eğitim kümelerinden öğrenerek, verilen bir resim için bir dizi kelime üretilmesi olarak tanımlanabilir.Otomatik görüntü etiketleme yöntemlerinde görsel bilgiyi nicelemek için genelde bölge küme-leme algoritmaları kullanılmaktadır. Görsel kod tabloları, bölgelerden elde edilen düşük düzeyli görsel özniteliklerin kümelenmesiyle elde edilir. Bu kod tabloları görüntü etiketleriyle değişik yöntemler kullanılarak eşleştirilmektedir.Bu tezde, etiketlenmiş görüntülerde mevcut ancak, kullanılmayan bilgileri kullanarak kümele-me işlemini iyileştiren yeni bir görüntü etiketleme tekniği önerilmektedir.“Ek bilgi”adı verilen bazı öznitelikler kümeleme işlemini denetlemek için kullanılmaktadır. Bu tezde, üç tip ek bilgi önerilmektedir. İlki, görüntü etiketlerini kapsayan metin dokümanınından otomatik olarak elde edilen gizli konu olasılıkları bilgisidir. Diğer ikisi görüntünün önemli yerlerini işaret eden ilgi noktaları etrafından elde edilen yön ve renk bilgileridir. Bu ek bilgiler, yarı denetimli k-ortalama bölge kümeleme algoritmasına bir dizi kısıt sağlamak amacı ile değerlendirilirler. Böylece, bölgelerin kümelemesinde sadece düşük seviyeli görsel öznitelik-ler değil, aynı zamanda bu ek bilgiler de kullanılmış olur. Bu tamamlayıcı ek bilginin görüntü bölgelerinden elde edilen düşük seviyeli öznitelikler ile yüksek seviyeli metin bilgisi arasına anlambilimsel açığı kapatması beklenir.Sonuç olarak, görsel kod tabloları ve görüntü etiket kelimeleri arasında daha iyi bir ilişki elde edilmiş olur. Ayrıca, uyarlanan K-ortalama algoritmasında kullanılan kısıtlar nedeniyle algoritma performansında hızlanma sağlanmıştır. Önerilen algoritma yüksek performanslı paralel hesaplama ortamında gerçeklenmiştir.

Özet (Çeviri)

Image annotation is defined as generating a set of textual words for a given image, learning from the available training data consisting of visual image content and annotation words.Methods developed for image annotation usually make use of region clustering algorithms to quantize the visual information. Visual codebooks are generated from the region clusters of low level visual features. These codebooks are then, matched with the words of the text document related to the image, in various ways.In this thesis, we propose a new image annotation technique, which improves the representation and quantization of the visual information by employing the available but unused information, called side information, which is hidden in the system. This side information is used to semi-supervise the clustering process which creates the visterms. The selection of side information depends on the visual image content, the annotation words and the relationship between them.The side information provides a set of constraints in a semi-supervised K-means region clustering algorithm. Consequently, in generation of the visual terms from the regions, not only low level features are clustered, but also side information is used to complement the visual information, called visterms. This complementary information is expected to close the semantic gap between the low level features extracted from each region and the high level textual information. Therefore, a better match between visual codebook and the annotation words is obtained. Moreover, a speedup is obtained in the modified K-means algorithm because of the constraints brought by the side information.

Benzer Tezler

  1. 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

  2. Effect of semi-supervised self-data annotation on video object detection performance

    Yarı denetimli veri etiketleme işleminin video nesne tespiti üzerine etkisi

    VEFAK MURAT AKMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  3. Development of intelligent systems using augmented reality and machine learning techniques

    Artırılmış gerçeklik ve makine öğrenmesi teknikleri kullanılarak akıllı sistemlerin geliştirilmesi

    RAMİZ YILMAZER

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DERYA BİRANT

  4. Moving object detection with supervised learning methods

    Denetimli öğrenme metotlarıyla hareketli nesne tespiti

    AYBORA KÖKSAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULLAH AYDIN ALATAN

    DR. KUTALMIŞ GÖKALP İNCE

  5. SS-MLA: A novel solution for multi-label classification of remotely sensed images

    Ss-mla: Uzaktan algılamalı görüntülerin çok etiketli sınıflandırması için yeni bir çözüm

    TOLGA ÜSTÜNKÖK

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KASIM MURAT KARAKAYA