فهرست مطالب:
فصل اول: مقدمه
1-1- مقدمه
فصل دوم: مروری بر ادبیات و پیشینه تحقیق
2-1- مقدمه 11
2-2- مفهوم حاشیه¬نویسی تصاویر 11
2-3- مراحل آموزش سیستم حاشیه نویسی خودکار 12
2-4- فرآیند کار حاشیه نویسی تصاویر 13
2-4-1- استخراج ویژگی 14
2-4-1-1- استخراج ويژگي تشخيص لبه 14
2-4-1-2- ویژگی¬های مبتنی بر رنگ 14
2-4-1-3- ویژگی¬های بافت 15
2-4-1-3-1- استخراج ويژگي هيستوگرام بافت الگوي باينري محلي 16
2-4-1-4- ویژگی¬های شکل 16
2-4-1-5- ویژگی¬های ژرف 17
2-4-1-6- سایر ویژگی¬ها 17
2-4-1-7- سبد ویژگی BoF 18
2-4-1-8- تشخيص ويژگي¬هاي SIFT 19
2-4-1-9- استخراج ويژگي با استفاده از ماتريس وقوع 20
2-4-1-10- استخراج ويژگي با استفاده از فيلتر گابور 20
2-4-2- مدل¬های یادگیری در حاشیه¬نویسی خودکار 20
2-4-2-1- مدل¬های مولد 21
2-4-2-2- مدل¬های تمایزی 21
2-4-3-3- جستجوگرا 21
2-4-2-4- روش¬های مبتنی بر یادگیری ژرف 22
2-4-3- پیش¬بینی برچسب 22
2-5- پایگاه¬های تصاویر مربوط به حاشیه نویسی خودکار تصاویر 22
2-6- روش¬های ارزیابی 23
2-7- مشکلات سامانه¬های حاشیه¬نویسی خودکار 24
2-7-1- کامل نبودن برچسب¬ها 24
2-7-2- متوازن نبودن دسته¬ها 24
2-7-3- انتخاب ویژگی مناسب 25
2-7-4- پیچیدگی زیاد مدل¬ها 25
2-7-5- پیچیدگی برچسب¬ها 25
2-7-6- حاشیه نویسی در دنیای واقعی 26
2-7-7- مشکلات دیگر 26
2-8- مطالعه و ارزیابی برخی از روش¬های پیشنهادی حاشیه نویسی تصاویر 26
2-9- جمع بندی