حاشیه نویسی خودکار تصاویر مبتنی بر خوشه بندی دو‌سطحی بصری و معنایی

حاشیه‌نویسی خودکار تصاویر به ایجاد خودکار برچسب‌های متنی مطابق با محتوای بصری تصاویر دلالت دارد. اگرچه در دهه گذشته تحقیقات فراوانی در این زمینه انجام گرفته است اما وجود برچسب‌های متعدد و وجود شکاف معنایی میان این برچسب‌ها و ویژگی‌های سطح پایین بصری باعث کاهش دقت و کارایی این سامانه‌ها شده است. در این پژوهش یک روش حاشیه‌نویسی با استفاده از خوشه‌بندی دو‌سطحی بر مبنای ویژگی‌های کاهش یافته با الگوریتم وراثتی و نیز معانی پیشنهاد شده است. خوشه‌بندی باعث می شود تصاویر مشابه به هم از لحاظ بصری و نیز تصاویر مرتبط به هم از جهت معنایی در کنار هم قرار گرفته و حاشیه‌نویسی شوند. این کار علاوه بر تسریع حاشیه‌نویسی، کارایی قابل قبولی برای یک سامانه حاشیه‌نویسی نیز داشته است. برای ارزیابی روش، دو دادگان شناخته شده corel5k و iapr tc-12 انتخاب شده‌اند. نتایج به دست آمده روی این دو دادگان عملکرد قابل قبول روش پیشنهادی را در مقایسه با دیگر روش‌ها نشان می دهد.

Automatic Image Annotation using two-level Visual and Semantic Clustering

Automatic image annotation refers to automatically assignment of textual labels according to visual content of images. Althoughin the last decade great deal of research has been done in this area, Butbecause of numerous labels and semantic gap between the labels and the lowlevelvisualfeatures, the accuracy and efficiency of these systems is reduced. In this study, an annotation method is proposed using twolevel clustering based on featureswhich are reduced with genetic algorithm and as well as semantics. Clustering makes visual similar images and also semantic related images be placed next toeach otherandbe annotated. This leads to fast annotation and also has an acceptable performance for an annotation system. To evaluate the proposed method, two wellknown datasets, Corel5k and IAPR TC12 are selected. The results show acceptable performance of the proposed method in comparison with other methods.