Geri Dön

A novel refinement method for automatic image annotation systems

Otomatik görüntü etiketleme sistemleri için yeni bir iyileştirme yöntemi

  1. Tez No: 286218
  2. Yazar: ERŞAN DEMİRCİOĞLU
  3. Danışmanlar: PROF. DR. FATOŞ TÜNAY 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: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 93

Özet

Görüntü etiketleme, bir görüntüye görüntünün içeri ile ilgili kelimler atama işlemi olarak tanımlanabilir. Bir etiketleme sistemi kelimelerle, görüntülerden elde edilen düşük seviye görsel özniteliklerle arası ilişki kurar ve bu ilişkiyi kullanarak yeni gelen bir görüntüyü etiketler. Görüntü etiketleme ihtiyacı arttıkça, görüntü etiketleme sistemlerine olan ihtiyaçta hızla artmaktadır. Literatürde yoğun olarak çalışılmakta olan bu problem için hali hazırda önerilen yöntemlerin performansları pratik kullanım için yeterli değildir. Bu sistemlerin ortak problemi yüksek seviye anlamsal kelimelerle düşük seviye görsel öznitelikler arasındaki anlamsal boşluktur. Bu anlamasal boşluk nedeniyle, sonuçlar ilgisiz kelimelerde içerebilmektedir. Daha iyi sonuçların verilebilmesi için iyileştirme yöntemlerinin kullanılması gerekmektedir.Bu çalışmada, otomatik görüntü etiketleme sistemleri için yeni bir iyileştirme yöntemini sunulmaktadır. Önerilen yöntem anlamsal boşluk problemine veri kümesinden elde ettiği kelimeler arası ilişkiyi kullanarak çözüm üretir. Kelimeler arası ilişkinin kurulması iyileştirme işleminin en önemli problemdir. Bu çalışmada, kelimeler arası ilişkiyi modellemek için olasılıksal ve bulanık yaklaşımlar sunduk. Kelimler arası ilişkiler, görüntü etiketleyici tarafından sağlanan etiketler üzerine uygulanarak aday etiketlemeler üretir. Aday etiketlemeler bir ilişkilse çizge üzerinde gösterilebilmektedir. Son olarak üretilen aday etiketlemelerden bir tanesi klik optimizasyon teknikleri kullanılarak seçilir ve iyileştirilmiş etiketlene olarak sunulur.

Özet (Çeviri)

Image annotation could be defined as the process of assigning a set of content related words to the image. An automatic image annotation system constructs the relationship between words and low level visual descriptors, which are extracted from images and by using these relationships annotates a newly seen image. The high demand on image annotation requirement increases the need to automatic image annotation systems. However, performances of current annotation methods are far from practical usage. The most common problem of current methods is the gap between semantic words and low level visual descriptors. Because of the semantic gap, annotation results of these methods contain irrelevant noisy words. To give more relevant results, refinement methods should be applied to classical image annotation outputs.In this work, we represent a novel refinement approach for image annotation problem. The proposed system attacks the semantic gap problem by using the relationship between the words which are obtained from the dataset. Establishment of this relationship is the most crucial problem of the refinement process. In this study, we suggest a probabilistic and fuzzy approach for modeling the relationship among the words in the vocabulary, which is then employed to generate candidate annotations, based on the output of the image annotator. Candidate annotations are represented by a set of relational graphs. Finally, one of the generated candidate annotations is selected as a refined annotation result by using a clique optimization technique applied to the candidate annotation graph.

Benzer Tezler

  1. Deep learning approaches for vocal tract boundary segmentation in rtMRI

    MRI videolarında ses yolu kontur bölütlemesi için derin öğrenme yaklaşımları

    SASAN ASADIABADI

    Doktora

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiKoç Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    Prof. Dr. ENGİN ERZİN

  2. Building outlier detection framework by using automated machine learning methods

    Otomatik makine öğrenimi yöntemlerini kullanarak anomali tespit çerçevesi oluşturma

    MUSTAFA KURTOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray Üniversitesi

    Akıllı Sistemler Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET TEOMAN NASKALİ

  3. Supervised decision making in forex investment using ML and DL classification methods

    ML ve DL sınıflandırma yöntemleri kullanarak forex yatırımlarında denetimli karar alma

    ABDULLAH JIROUDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA TANER ESKİL

  4. Automated privacy verification of voting systems

    Başlık çevirisi yok

    MURAT MORAN

    Doktora

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversity of Surrey

    DR. JAMES HEATHER

    DR. STEVE SCHNEIDER

  5. Ai for drug discovery LSTM-driven drug design using selfies for target-focused de novo generation of HIV-1 protease inhibitor candidates in the treatment of AIDS

    Yapay zeka tabanlı LSTM destekli ilaç tasarımı: AIDS tedavisinde selfıes kullanarak HIV-1 proteaz odaklı inhibitör adaylarının tasarlanması

    M.TALEB ALBRIJAWI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Biyomühendislikİstanbul Medipol Üniversitesi

    Biyomedikal Mühendisliği ve Biyoenformatik Ana Bilim Dalı

    PROF. DR. REDA ALHAJJ