بسط دوگانه سوپرپيكسل به منظور تعيين ناحيه‌هاي موثر در حل مسائل بينايي ماشين مبتني بر قطعه‌بندي

يكي از روش هاي  موثر براي شناسايي ديداري  (شامل طبقه بندي، شناسايي اشياء و برچسب گذاري معنايي تصوير)، تعيين ناحيه هاي محتمل بر وجود شيء بنام نامزدهاي شيء (Object proposals) است. در اين مقاله يك روش كارآمد با تكيه بر تعيين ناحيه هاي موثر مبتني بر قطعه بندي ناحيه اي به نام بسط دو گانه سوپرپيكسل SDE (Superpixel Dual Extension)  به منظور بهبود كيفيت ناحيه‌بندي پيشنهاد شده است. روش پيشنهادي شامل دو مرحله است. در مرحله ي ابتدايي با اعمال الگوريتم قطعه بندي پايين به بالا تصوير با تعدادي ناحيه به عنوان سوپرپيكسل نمايش داده مي شود. سپس هر سوپرپيكسل با توجه به هشت همسايگي و بر اساس مجموعه اي از شرايط تعريف شده به ناحيه هاي مجاور خود بسط داده ميشود. از امتيازات اين بسط ايجاد ناحيه هايي است كه به خوبي مي تواند كل يك شيء را در برگيرد. سپس با اعمال توصيفگرهايي نظير رنگ، بافت و نقاط كليدي و استخراج ويژگي از هر ناحيه، اين ناحيه ها مي توانند براي حل مسائل مختلف پردازش تصوير و بهبود كارايي آنها بكار گرفته شوند. در اين مقاله، براي بررسي دقيق كيفيت ناحيه هاي به دست آمده، مجموعه اي از معيارهاي شناخته شده قطعه بندي ناحيه اي شامل ميزان همپوشاني ناحيه، مقدار فراخواني، مساحت زير نمودار پارامتر فراخواني و همبستگي جفت پيكسل‌ها اندازه گيري شده اند. همچنين براي ارزيابي روش پيشنهادي، تاثير اين روش در دقت طبقه بندي اشياء بر روي مجموعه داده MSRC بررسي شده است. نتايج، افزايش كيفيت و دقت را هم براي ناحيه هاي به دست آمده به ميزان 7% براي الگوريتم قطعه‌بندي مبتني بر گراف و 14 % براي الگوريتم قطعه‌بندي مبتني بر خوشه‌بندي و همچنين مقدار 11 % افزايش دقت را براي طبقه بندي تصوير تاييد مي كند.