دوره 19، شماره 3 - ( 9-1401 )                   جلد 19 شماره 3 صفحات 34-19 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Shahrouz E, Tahmoresnezhad J. Image alignment via kernelized feature learning. JSDP 2022; 19 (3) : 2
URL: http://jsdp.rcisp.ac.ir/article-1-1076-fa.html
شهروز الهه، طهمورث نژاد جعفر. هم‌ترازی تصویر از طریق یادگیری خصوصیت کرنل‌شده. پردازش علائم و داده‌ها. 1401; 19 (3) :19-34

URL: http://jsdp.rcisp.ac.ir/article-1-1076-fa.html

هم‌ترازی تصویر از طریق یادگیری خصوصیت کرنل‌شده
الهه شهروز ، جعفر طهمورث نژاد*
دانشگاه صنعتی ارومیه
چکیده:   (999 مشاهده)
در بسیاری از الگوریتم­‌های یادگیری ماشین، فرض اولیه بر این اساس است که مجموعه‌داده آموزشی (دامنه منبع) و مجموعه‌داده آزمون (دامنه هدف) توزیع یکسانی را به اشتراک می­‌گذارند. این در حالی است که در اغلب مسائل دنیای واقعی، به‌دلیل اختلاف توزیع احتمال بین دامنه منبع و هدف، این فرض نقض می‌­شود. برای مقابله با این مشکل، یادگیری انتقالی و تطبیق دامنه، مدل را برای مقابله با داده‌­های هدف دارای توزیع متفاوت، تعمیم می‌­دهند. در این مقاله ما یک روش تطبیق دامنه با عنوان هم‌­ترازی تصویر از طریق یادگیری خصوصیت کرنل‌شده (IMAKE) را به‌منظور حفظ اطلاعات عمومی و هندسی دامنه­‌های منبع و هدف پیشنهاد می­‌دهیم. روش پیشنهادی یک زیرفضای مشترک بین دامنه‌­های منبع و هدف جستجو می‌کند تا اختلاف توزیع آنها را به کمینه برساند. IMAKE از هر دو تطبیق توزیع هندسی و عمومی به‌صورت هم‌­زمان بهره می‌­برد. روش پیشنهادی دامنه‌­های منبع و هدف را به یک زیرفضای کم­بعد مشترک به‌صورت بدون­‌نظارت منتقل می­‌کند تا اختلاف احتمال توزیع شرطی و حاشیه‌­ای داده­‌های دامنه منبع و هدف را از طریق بیشینه اختلاف میانگین‌ها کمینه ­کند و برای تطبیق توزیع هندسی از هم‌­ترازی منیفلد بهره می‌­گیرد. کارایی روش پیشنهادی با استفاده از پایگاه­‌داده­‌های بصری متنوع و استاندارد با ۳۶ آزمایش مورد ارزیابی قرار گرفته است. نتایج به‌دست‌­آمده، نشان­‌دهنده بهبود قابل ملاحظه از عملکرد روش پیشنهادی در مقایسه با جدیدترین روش‌های حوزه یادگیری ماشین و یادگیری انتقالی است.
شماره‌ی مقاله: 2
واژه‌های کلیدی: طبقه‌بندی تصویر، یادگیری انتقالی، تطبیق دامنه بصری، هم‌ترازی منیفلد، اختلاف توزیع
متن کامل [PDF 1225 kb]   (347 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش تصویر
دریافت: 1398/7/6 | پذیرش: 1401/7/2 | انتشار: 1401/10/4 | انتشار الکترونیک: 1401/10/4
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.