افزايش تفكيك پذيري تك تصوير با استفاده از يادگيري مجموعه اي از رگرسورها

يادگيري رگرسورها از تكه هاي با وضوح پايين به تكه هاي با وضوح بالا نتايج اميدواركننده اي را براي افزايش تفكيك پذيري تصوير نشان داده است. مشاهده شده كه برخي رگرسورها در برخورد با موارد خاص بهتر عمل مي كنند. در اين مقاله، روش پيشنهادي يك مجموعه از رگرسورها را به صورت مشترك ياد مي گيرد، كه در مجموع كمترين خطاي فراتفكيك پذيري را براي همه ي داده هاي آموزشي به وجود مي آورد. پس از آموزش، هر نمونه ي آموزشي با يك برچسب به بهترين رگرسور مربوط به آن نشان داده مي شود كه منجر به كمترين خطا نيز خواهد شد. در طول تست، روش پيشنهادي مبتني بر مفهوم انتخاب تطبيقي به منظور انتخاب مناسبترين رگرسور براي هر تكه ورودي عمل مي كند. فرض شده كه تكه هاي مشابه مي توانند به وسيله رگرسور يكسان فراتفكيك پذير شوند، و از يك روش سريع تقريبي KNN(K- نزديك ترين همسايه) براي انتقال برچسب از تكه هاي آموزش به تكه هاي تست استفاده شده است. روش از نظر مفهومي ساده و از نظر محاسباتي كارآمد و در عين حال بسيار موثر است. آزمايشات روي چهار پايگاه داده نشان مي دهد كه روش پيشنهادي از روش هاي رقيب بهتر عمل مي كند.