نگاهي بر بازيابي معنايي تصاوير در وب

تعداد، تنوع و پیچیدگی محتوای تصویری در دنیای دیجیتالی به‌سرعت در حال افزایش است و این موضوع نیاز به طراحی و پیاده‌سازی سیستم‌های جویش و بازیابی محتوای تصویری را بسیار محسوس كرده است. در حال حاضر با مقیاس عظیمی از داده‌های تصویری در فضای وب روبرو هستیم كه راهكارهای معمول مبتنی بر فراداده‌های دستی و انسانی پاسخگوی تنوع و تعداد بسیار زیاد آن‌ها نیست. جویشگر گوگل حدود 60 هزار میلیارد صفحه‌ی قابل جستجو را نمایه‌سازی كرده و در هر ثانیه پاسخگوی بیش از 3/2 میلیون جستجو است. فلیكر به‌عنوان یك وبگاه اشتراك‌گذاری تصاویر در حال حاضر شامل بیش از 10 میلیارد تصویر است كه روزانه 1 میلیون تصویر به آن افزوده می‌شود. وبگاه اینستاگرام در هر روز شاهد بارگذاری حدود 80 میلیون تصویر است و تا به امروز حدود 40 میلیارد تصویر در آن به اشتراك گذاشته شده است. اخیراً تلاش‌های بسیاری برای بازیابی تصاویر و به‌ویژه در مبحث «بازیابی‌محتوا محورتصویر» (CBIR) شكل‌گرفته است. یك سیستم بازیابی محتوامحور تصویر، قادر به جستجو و بازیابی تصاویرِ موردنظر بر اساس محتوای درونی تصویر است و نه فراداده‌هایی‌كه‌ ممكن است همراه با آن ثبت شده باشند. رویكرد این تحقیق متمركز بر مفهومی پیچیده‌تر با نام «بازیابی معنایی» است و هدف آن بازیابی تصاویر بر اساس مفاهیم معنایی و سطح بالای موجود در آن و نه‌فقط محتوا و اجزای تشكیل‌دهنده‌ آن است. در این مقاله در ابتدا به تعریف مسئله ی بازیابی معنایی تصاویر، اهداف و سؤالات اصلی این حوزه‌ی تحقیقاتی پرداخته و در ادامه به بررسی ضرورت و تاریخچه آن خواهیم پرداخت. در بخش سوم، پیشینه‌ی به‌كارگیری روش‌های نرم در بحث استخراج معنا و بازیابی معنایی تصاویر را در سال‌های اخیر بررسی كرده و به بیان روش‌های نوینی كه دارای نتایج قابل‌قبولی بوده‌اند، خواهیم پرداخت. در ادامه و در بخش نهایی شكاف‌های مطرح در این حوزه را بیان كرده و نقاط ضعف روش‌های یاد شده را بررسی خواهیم كرد.