(34.204.186.91) 您好!臺灣時間:2021/04/19 15:04
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:張騉翔
研究生(外文):Kun-Hsiang Chang
論文名稱:一個新的應用於內容導向式影像讀取之相關回饋方法
論文名稱(外文):A New Relevance Feedback Technique For Content-Based Image Retrieval
指導教授:尹邦嚴尹邦嚴引用關係
指導教授(外文):Peng-Yen Yin
學位類別:碩士
校院名稱:國立暨南國際大學
系所名稱:資訊管理學系
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
中文關鍵詞:動態最近鄰居內容導向式影像讀取長期經驗學習相關回饋短期經驗學習虛擬特徵
外文關鍵詞:Active nearest neighborhoodcontent-based image retrievallong-term learningrelevance feedbackshort-term learningvirtual
相關次數:
  • 被引用被引用:0
  • 點閱點閱:70
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
相關回饋是一個反覆的過程,讓使用者能根據前次的查詢結果來進行回饋以改善下次的擷取結果。傳統的相關回饋方法屬於短期經驗學習的相關回饋方法,並且無法在多使用者間的多個查詢過程中累積學習經驗。本論文提出了一個新的相關回饋架構用來整合短期及長期的學習經驗,短期的學習經驗由傳統的相關回饋方法而來,而長期的學習經驗由本論文所提的新方法虛擬特徵而來。使用者所有的回饋歷程都會被系統編碼,並表達成有效率的形式,即為虛擬特徵。因此可以根據虛擬特徵來動態的算出影像間的語意相關性。實驗結果是用真實的影像資料庫來進行的;並且結果顯示了本論文所提出的架構比傳統單一查詢過程間作用的相關回饋方法好。
Relevance feedback is an iterative process which refines the retrievals by utilizing the user’s feedback on previously retrieved results. Traditional relevance feedback techniques use solely the short-term learning experience and do not exploit the knowledge collected during cross-sessions with multiple users. In this paper, we propose a relevance feedback framework which combines short-term and long-term learning processes by integrating the traditional methods with a new technique called the virtual feature. The feedback history with all the users is digested by the system and is represented in the virtual features of the images. As such, the dissimilarity measure can be adapted dynamically. The experiments are conducted on a real image database. The results manifest that the proposed framework outperforms the one that adopts a traditional within-session relevance feedback technique.
誌 謝 I
摘 要 II
Abstract III
目錄 Ⅳ
圖目錄 V
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 論文架構 3
第二章 文獻探討 4
2.1 相關回饋 4
2.2.1 QVM 4
2.1.2 FRE 6
2.2.3 BI 8
第三章 研究方法 10
3.1 虛擬特徵機制設計 10
3.2虛擬特徵更新演算法 11
3.3虛擬特徵不相似度比對 18
第四章 實驗結果 22
4.1 影像資料庫 22
4.2 效能比較分析 24
4.3 系統介紹 35
第五章 結論 39
參考文獻……………………………………………………………………………..40

圖目錄
[1] M. Flickner and H. Sawhney, “Query by image and video content: the QBIC system,” IEEE Comput. 28, pp.23-32, 1995.
[2] J. C. M. Lee and A. K. Jain (Ed), “Special Issue on Image Database,” Pattern Recog. 30 ,1997.
[3] Y. Rui, T. S. Huang, S. F. Chang, “Image retrieval: current techniques, promising directions, and open issues,” Journal of Visual Communication and Image Representation 10 , pp.39-62, 1999.
[4] A. W. M. Smeulders, M. Worring, S. santini, A. Gupta and R. Jain, “Content-Based Image Retrieval at the End of the Early years, ” IEEE Transactions on Pattern Analysis and Machine Intelligence 22, pp.1349 – 1380, September 2000.
[5] J.J. Rocchio, Jr., “Relevance feedback in information retrieval, ” in The SMART System, G. Salton(Ed.), Prentice-Hall, New Jersey, pp.313-323, 1971.
[6] E. Ide and G. Salton, “Interactive search strategies and dynamic file organization in information retrieval, ” in The SMART System, G. Salton(Ed.), Prentice-Hall, New Jersey, pp.379-393, 1971.
[7] Y. Rui, T. S. Huang, M. Ortega, and S. Mehrotra, “Relevance feedback: a power tool for interactive content-based image retrieval,” IEEE Trans. Circuits and Systems for Video Technology 8 , pp.644-655, 1998.
[8] J. Peng, B. Bhanu, and S. Qing, “Probabilistic feature relevance learning for content-based image retrieval,” Computer Vision and Image Understanding 75 , pp.150-164, 1999.
[9] C. Meilhac and C. Nastar, “Relevance feedback and category search in image database, ” Proceedings of the International Conference on Multimedia Computing and Systems , pp.512-517 , 1999.
[10] I. J. Cox, M. L. Miller, T. P. Minka, T. V. Papathomas, and P. N. Yianilos, "The Bayesian Image Retrieval System, PicHunter: Theory, Implementation, and Psychophysical Experiments," IEEE Trans. Image Processing, pp. 20-37, January 2000.
[11] Visualization and Intelligent Systems Lab (VISLab), University of California, Riverside. http://www.vislab.ucr.edu.
[12] K. R. Castleman, Digital Image Processing, Prentice-Hall, New Jersey, 1996.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 吳貞宜(2000a)。我國中小學實施教師評鑑制度之探討。教師之友,41(2)2-9。
2. 吳和堂、李明堂、李清良(2002)。國小教師評鑑實施之國際比較研究。比較教育,53,29-55。
3. 吳政達(2001a)。教師評鑑方法之探討(上)。教育研究月刊,83,107-112。
4. 吳宗立(2002)。教師評鑑的理念。屏縣教育季刊,11:7-27。
5. 吳政達(2001b)。教師評鑑方法之探討(下)。教育研究月刊,84,85-89。
6. 吳清山(2000)。全面品質管理在教育評鑑上的應用。北縣教育雙月刊,35,27-31。
7. 吳璧如(2000)。教師效能感之內涵分析。研習資訊,17(5),57-66。
8. 李珀(1999)。利用教學視導系統提昇教師之教學品質。課程與教學季刊,2(2),49-70。
9. 林志成(2002)。授能導向的專業發展評鑑。教育政策論壇,5(2),81-102。
10. 施頂清(2005)。談教師評鑑。國教之友,56(4),59-64。
11. 孫志麟(2002)。教師效能-三元模式的建構與應用。教育研究月刊,104,44-54。
12. 翁福元、林松柏(2004)。臺灣國民教育階段教師專業發展評鑑指標建構芻議。教育科學期刊,4(2)。63-94。
13. 陳世佳(2004)。以教師專業成長為目標之教師評鑑。教育研究,127,33-44。
14. 陳志成(2003)。教師成績考核制度之探討。教育資料與研究,54,95-102。
15. 張素偵(2003)。教師評鑑重要議題與推動策略之探究。教育資料與研究,53,28-37。
 
系統版面圖檔 系統版面圖檔