بازيابي تصوير مبتني بر محتوا با استفاده از شبكه‌هاي عصبي كانولوشن عميق

Content-Based Image Retrieval using Deep Convolutional Neural Networks

بازيابي تصوير يكي از موضوعات مهم و چالش‌برانگيز در حوزه بينايي ماشين و پردازش تصوير است. تاكنون تحقيقات زيادي در زمينه بازيابي بر روي روش‌هاي مختلف انجام شده است. از دهه ­70 ميلادي بازيابي مبتني بر كلمه معرفي شد و پس از گذشت دو دهه با توجه به افزايش حجم داده ذخيره شده و ناكارآمدي اين روش‌ها، بازيابي مبتني بر محتوا پايه‌گذاري شد. در اين روش محققان با توجه به استخراج ويژگي از تصاوير، به نتيجه بهتري دست يافتند. اما وجود فاصله معنايي ميان ادراك انسان و ويژگي‌هاي سطح پايين استخراج شده از تصاوير از يك‌سو و از سوي ديگر افزايش بي‌رويه حجم داده پيرو پيشرفت فناوري، باعث شد تا روش‌هاي ابداع‌شده ناكارآمد شوند و پژوهش‌ها به سمت الگوريتم‌هاي جديدتر معطوف شوند. با توجه به موفقيت و رشد چشم‌گير الگوريتم‌هاي يادگيري عميق، بر آن شديم تا روشي جديد مبتني بر يادگيري عميق به‌منظور بازيابي تصوير پياده‌سازي كنيم. در اين مقاله پس از معرفي شبكه‌هاي عصبي كانولوشن به‌عنوان زيرمجموعه‌اي از روش‌هاي يادگيري عميق، سيستم بازيابي مبتني بر شبكه عصبي كانولوشن پيشنهاد مي‌دهيم و با اجراي اين سيستم بر روي سه پايگاه‌داده ALO I، Corel و Mpeg7 و محاسبه سه معيار (P(0.5) ،P(1 و ANMRR و مقايسه آن‌ها با روش‌هاي ديگر، نشان مي‌دهيم كه اين مدل از دقت خيلي بالاتري نسبت به ساير الگوريتم‌هاي مرسوم، برخوردار است.

Image retrieval is an important issue of machine vision and image processing. Many researches have been done in image retrieval. In 70’s, Text-Based image retrieval had been created before Content-Based image retrieval have been introduced since 90’s cause of large amount of data stored and inefficient previous methods. On this way, researcher reached better conclusion by extracting features from pictures. Semantic gap between these features and human concept, and burst increase in amount of images which were saved, caused researchers to think about new algorithms. Excellent successes on deep learning algorithms encourage us to implant a new method for image retrieval based on deep learning. In this paper, after reviewing deep convolutional neural networks as a kind of deep learning methods, we introduce a new retrieval system based on deep convolutional neural networks and by testing it on three famous databases, ALOI, Corel and MPEG7, computing P(0.5), P(1) and ANMRR and comparing them with other methods which have been used since recent years, we show the superior accuracy of this method in comparison to the other methods.