مجتبی کرد آبادی
دانشکده مهندسی
گروه آموزشی کامپیوتر
اطلاعیه دفاع از طرح پیشنهادی پایان نامه کارشناسی ارشد در رشته مهندسی کامپیوتر
عنوان:
ارائه یک روش ترکیبی و نیمه نظارتی مبتنی بر گراف برای برچسبزنی خودکار تصاویر
استاد راهنما:
جناب آقای دکتر محرم منصوری زاده
استاد مشاور:
جناب آقای دکتر حسن ختن لو
اساتید ممتحن:
جناب آقای دکتر میرحسین دزفولیان
جناب آقای دکتر مهدی عباسی
پژوهشگر:
مجتبی کردآبادی
تاریخ دفاع:
شنبه 14/11/96 ساعت 11
مکان:
آمفی تئاتر دانشکده مهندسی
Bu-Ali Sina University
Faculty of Engineering
Department of Computer Engineering
Thesis submitted for Master of Science in computer Engineering-Artificial Intelligence
Title:
New Hybrid and Semi Supervised graph based Method for Automatic Image Annotation
Supervisor:
Dr. Muharram Mansoorizadeh
Advisor:
Dr. Hassan Khottanlou
Judges:
Dr.Mir Hossein Dezfoulian
Dr.Mahdi Abbasi
Author:
Mojtaba Kordabadi
February 3, 2018
چكيده:
با رشد سریع تعداد تصاویر تولیدشده در صفحات وب و شبکههای اجتماعی سازماندهی و بازیابی تصاویر به روشی مؤثر و کارا بهوسیله موتورهای جستجو یکی از حوزه های پژوهشی فعال میباشد. موتورهای جستجو در بازیابی دادههای متنی دقت و سرعت مناسبی دارند. در سامانههای بازیابی تصویر، برچسبزنی خودکار تصویر بهعنوان یک مرحله اولیه و پیشپردازشی در سیستم در نظر گرفته میشود. یادگیری نیمه نظارتی نوعی از روشهای یادگیری ماشین است که از دادههای برچسب دار و بدون برچسب استفاده میکند. هدف از یادگیری نیمه نظارتی این است که به این پرسش پاسخ داده شود که چگونه میتوان با ترکیب دادههای برچسب دار و بدون برچسب رفتار یادگیری را تغییر داد و الگوریتمهایی را طراحی کرد که از فواید این ترکیبها استفاده کنند. توجه به روشهای یادگیری نیمه نظارتی مبتنی بر گراف در سالهای اخیر رشد چشمگیری یافته است.پژوهش حاضر در مورد برچسبزنی تصاویر با استفاده از روشهای یادگیری نیمه نظارتی مبتنی بر گراف انجامگرفته است. اغلب کارهای پژوهشی پیشین در حوزه یادگیری نیمه نظارتی مبتنی بر گراف بر روی مسائل تک برچسبی انجامگرفته است. به دلیل وجود تصاویر بدون برچسب بسیار و به دلیل اینکه یک تصویر میتواند با چند واژه برچسبزنی شود یک روش ترکیبی نیمه نظارتی چند برچسبی جهت برچسبزنی خودکار تصاویر ارائه داده ایم که از ترکیب روش یادگیری نیمه نظارتی مبتنی بر گراف (LGC) و یادگیری چند برچسبی (ML-KNN) تشکیل شده است. بدلیل اهمیت ساخت گراف همسایگی، در مرحله پیش پردازش و با استفاده از روش نگاشت ویژه لاپلاسی که یکی از روش ها کاهش ابعاد غیر خطی است ابعاد دادگان را کاهش می دهیم و سپس با استفاده از روش LGC و مشارکت دادن تمام نمونه ها ، برچسب های اولیه برای نمونه ها پیش بینی می کنیم و در مرحله بعدی با آموزش یادگیر ML-KNN با تعداد نمونه برچسب خورده بیشتر و اعمال روش کاردینالیتی،برچسب های نهایی تصاویر را پیش بینی می نمائیم. آزمایش ها بر روی مجموعه دادگان تصویری Corel5k ،Scene،Imageو Yeast انجام گرفته است نتایج آزمایشها نشان میدهد که عملکرد روش ارائهشده بخصوص در مواردی که تعداد نمونه برچسب دار بسیار پایین است بهتر میباشد و دارای دقت بهتری در مقایسه با روش های موجود و کارهای انجام شده در حوزه برچسب زنی تصاویر می باشد.
واژههای کلیدی: بازیابی تصاویر، روشهای نیمه نظارتی، یادگیری چند برچسبی، گراف شباهت تصاویر
Abstract:
With the rapid growth number of produced images on web pages and social networks, organizing and retrieving images eeffectively and efficiently by search engines is one of the research domains. Search engines have the right accuracy and speed to retrieve text data. In image retrieval systems, automatic image annotation is considered as an initial and preprocessing step. Semi Supervised Learning is kind of the machine learning Method that uses labeled and unlabeled data. The purpose of semi-supervised learning is to answer the question of how to modify learning behavior by combining labeled and unlabeled data and designing algorithms that take advantage of these combinations. Considering Graph-based Semi-Supervised learning methods has grown dramatically in recent years. Considering graph-based semi- supervised learning methods has grown dramatically in recent years. The present research is aimed at Annotation images using Graph-based Semi-Supervised Learning methods. Most of the earlier research in GSSL field work on single-label problem. Because exist abundant unlabeled images, and an image can be labeled with a multi words, we present a multi-label semi-supervised hybrid method for automatic image annotation, that use from combination of GSSL method(LGC) and multi-label learning method(ML-KNN). Because of importance of constructing neighboring graphs, in the preprocessing step reduce dimension of data by using the laplacian Eigen map method, which is one of the methods of nonlinear dimensionality reduction, and then using the LGC method and partnering with all samples, be predict initial label for samples, and in the next step, training ML-KNN learner with more number of labeled samples and apply cardinality method, we predict the final labels of the images. Experiments have been performed on Corel5K, Scene, Image and Yeast image databases. The results of the experiments show that the proposed method is better performed, especially in cases where the number of labeled sample is very low, with better accuracy in Comparison existing methods and tasks done in the area of Automatic image annotation.
Key Words: image retrieval, Semi-Supervised methods, multi-label learning, image similarity graph
مشخصات فردی | |
نام و نام خانوادگی | مجتبی کردآبادی |
تاریخ تولد | 8/3/1365 |
پست الکترونیکی |
سوابق تحصیلی | |||||
مقطع | رشته | گرایش | فراغت از تحصیل | محل تحصیل | کشور/شهر |
فوق دیپلم | کامپیوتر | نرم افزار | 4/84 | آموزشکده فنی شماره 2 همدان | ایران-همدان |
لیسانس | مهندسی کامپیوتر | نرم افزار | 11/88 | دانشگاه علمی کاربردی | ایران-همدان |
فوق لیسانس | مهندسی کامپیوتر | هوش مصنوعی | 11/96 | بوعلی سینا | ایران-همدان |
مهارت در زبان خارجی | ||||
زبان | مکالمه | خواندن | نوشتن | درک مطلب |
انگلیسی | متوسط | خوب | خوب | خوب |
مهارتهای تخصصی | |
نام مهارت | میزان تسلط |
آشنا به الگوریتم های یادگیری ماشین | خوب |
آشنایی با زبانهای برنامهنویسی | مسلط به برنامه نویسی با زبان C++ ، C# ، Asp.net،دلفی و MATLAB
|
سوابق علمی-پژوهشی | |
عنوان مقاله منتشر شده | محل ارائه |
|
|
|
|
نمایشگاه کتاب فارسی و الکترونیکی در دانشکده کشاورزی به مناسبت هفته پیوهش

برگزاری کارگاههای آموزشی (مالکیت فکر و ثبت پتنت، آشنایی با فتوگرامتری و پهپاد و آشنایی با پایگاه های اطلاعاتی) بمناسبت هفته پژوهش

بررسی مدارک انتخاب دانشجوی برتر پژوهشی

بررسی مدارک انتخاب کارمند برتر پژوهشی

شرایط، مدارک و نکات لازم در تهیه پوستر هفته پژوهش

به اطلاع کاربران محترم می رساند دسترسی به وب سایت قبلی دانشکده فنی و مهندسی از طریق آدرس http://old.eng.basu.ac.ir امکان پذیر می باشد. همچنین لینک وب سایت قبلی دانشکده در منوی...

آموزش يك روزه آشنايي با استاندارد بينالمللي ISO/IEC17025 توسط آزمايشگاه علم مواد و ميكروسكوپ الكتروني و با حمايت كارگروه استاندارد و كاليبراسيون شبكه ي آزمايشگاهي فناوري هاي راهبردي با حضوري جمعي از...

به استحضار اعضای محترم هیات علمی دانشگاه می رساند از تاریخ 1396/06/01 ثبت و ارسال مدارک پژوهشی جدید از طریق سامانه امکان پذیر خواهد بود .

طی حکمی از سوی سرپرست محترم دانشگاه، آقای دکتر مهدی اثنیعشری به عنوان مدیرگروه رشته مهندسی عمران منصوب گردیدند.

سهمیه جدید جذب بورس برای سه دانشگاه بیهانگ و HIT و NPU از طریق سایت پژوهشگاه فضایی ایران در دسترس میباشد.

انتخاب جناب آقای دکتر سید آرش فتاح الحسینی را بهعنوان پژوهشگر برتر دانشگاه و نيز پژوهشگر برتر سال 1397 استان همدان در گروه فني مهندسي تبريك عرض نموده و براي ایشان از خداوند متعال توفيق روزافزون مسئلت...

بدينوسيله انتخاب آقاي دكتر سيد مهدي حسينيان عضو هيات علمي گروه مهندسي عمران دانشكده مهندسي دانشگاه بوعلي سينا به عنوان پژوهشگر برتر گروه تخصصي سازه از طرف سازمان نظام مهندسي ساختمان استان همدان را به...

انتخاب جناب آقای دکتر حسن مرادی هیأت علمی گروه محترم برق را بهعنوان پژوهشگر برتر سال 1397 استان همدان در گروه فني مهندسي تبريك عرض نموده و براي ایشان از خداوند متعال توفيق روزافزون مسئلت دارد.

سرکار خانم خانینور کارشناس محترم آزمایشگاه میکروسکوپ الکترونی به عنوان کارشناس برتر و رابط منتخب شبکه آزمایشگاهی فناوری راهبردی انتخاب گردیدند.

طبق آخرين ارزيابي منتشر شده پايگاه استنادي علوم جهان اسلام (ISC) مربوط به سال 1395، نشريات دوفصلنامه پژوهش هاي جامعه شناسي معاصر، راهبردهاي شناختي در يادگيري و فناوري توليدات گياهي كه تاكنون ضريب...

جناب آقای مهندس امیدرضا بهادری دانشجوی دکتری رشته مهندسی عمران دانشکده به عنوان دانشجوی نمونه و جناب آقای سید سجاد جعفری دانشجوی دکتری مکانیک و جناب آقای سعید رضایی دانشجوی رشته مهندسی صنایع به عنوان...

طبق مصوبه 650 مورخ 97/08/13 شورای پژوهشی دانشگاه مقرر گردید؛ حداکثر 3 نفر از پژوهشگران حوزه کارمندی دانشگاه بوعلی سینا در هفته پژوهش سال جاری، با شرایط ذیل الذکر انتخاب و از ایشان تقدیر به عمل آید.

بیانیه شماره 1 دبیرخانه هیأت ممیزه دانشگاه

به استحضار اعضای محترم هیات علمی دانشگاه می رساند از تاریخ 1397/07/09 ثبت و ارسال مدارک پژوهشی جدید از طریق سامانه امکان پذیر خواهد بود .

به اطلاع اعضای محترم هیات علمی میرساند، در صورت تسویه نمودن گرنت سال قبل، برای دریافت گرنت سال جاری از طریق سامانه پژوهشی اقدام فرمایند.