RT - Journal Article T1 - Scalable Image Annotation by Summarizing Training Samples into Labeled Prototypes JF - jsdp YR - 2022 JO - jsdp VO - 18 IS - 4 UR - http://jsdp.rcisp.ac.ir/article-1-1046-fa.html SP - 49 EP - 68 K1 - Database Summarization K1 - Image Annotation K1 - Search-Based method K1 - Scalability AB - با افزایش روز‌افزون تصاویر، اندیس‌گذاری و جستجوی سریع آنها در پایگاه داده‌های بزرگ، یک امر ضروری است. یکی از راه‌کارهای مؤثر، نسبت‌دادن یک یا چند برچسب به هر تصویر با هدف توصیف محتوای درون آن است. با وجود کارایی روش‌های خودکار برچسب‌زنی، یکی از چالش‌های اساسی آنها مقیاس‌پذیری با افزایش تصاویر پایگاه داده است. در این مقاله، با هدف حل این چالش، ابتدا براساس توصیف‌گر بصری تصاویر که از شبکه‌های یادگیری عمیق استخراج می‌شوند،‌ نمایندگان مناسبی به‌دست می‌آیند. سپس، با استفاده از رویه انتشار برچسب بر روی گراف، برچسب­‌های معنایی از تصاویر آموزشی به نمایندگان منتشر می‌شوند. با این راه‌کار، به یک مجموعه نمایندگان برچسب‎‌دار دست خواهیم یافت که می‌توان عمل برچسب‌زنی هر تصویر آزمون را بر اساس این نمایندگان انجام داد. برای برچسب‌زنی، یک رویکرد مبتنی بر آستانه‌گذاری وفقی پیشنهاد شده است. با روش پیشنهادی، می‌توان اندازه مجموعه‌داده آموزشی را به 6/22 درصد اندازه اولیه کاهش داد که منجر به تسریع حداقل 2/4 برابری زمان برچسب‌زنی خواهد شد. همچنین، کارایی برچسب­زنی بر روی مجموعه‌داده‌­های مختلف برحسب سه معیار دقت، یادآوری و F1 در حد مطلوبی حفظ شده است. LA eng UL http://jsdp.rcisp.ac.ir/article-1-1046-fa.html M3 10.52547/jsdp.18.4.49 ER -