بازیابی تصویر مبتنی بر محتوا با استفاده از شبکه‌های عصبی کانولوشن عمیق

بازیابی تصویر یکی از موضوعات مهم و چالش‌برانگیز در حوزه بینایی ماشین و پردازش تصویر است. تاکنون تحقیقات زیادی در زمینه بازیابی بر روی روش‌های مختلف انجام شده است. از دهه ­70 میلادی بازیابی مبتنی بر کلمه معرفی شد و پس از گذشت دو دهه با توجه به افزایش حجم داده ذخیره شده و ناکارآمدی این روش‌ها،  بازیابی مبتنی بر محتوا پایه‌گذاری شد. دراین روش محققان با توجه به استخراج ویژگی از تصاویر، به نتیجه بهتری دست یافتند. اما وجود فاصله معنایی میان ادراک انسان و ویژگی‌های سطح پایین استخراج شده از تصاویر از یک‌سو و از سوی دیگر افزایش بی‌رویه حجم داده پیرو پیشرفت فناوری، باعث شد تا روش‌های ابداع‌شده ناکارآمد شوند و پژوهش‌ها به سمت الگوریتم‌های جدیدتر معطوف شوند. با توجه به موفقیت و رشد چشم‌گیر الگوریتم‌های یادگیری عمیق، برآن شدیم تا روشی جدید مبتنی بر یادگیری عمیق به‌منظور بازیابی تصویر پیاده‌سازی کنیم. در این مقاله پس از معرفی شبکه‌های عصبی کانولوشن به‌عنوان زیرمجموعه‌ای از روش‌های یادگیری عمیق، سیستم بازیابی مبتنی بر شبکه عصبی کانولوشن پیشنهاد می‌دهیم و با اجرای این سیستم بر روی سه پایگاه‌داده ALOI، Corel و Mpeg7 و محاسبه سه معیار (P(0.5) ،P(1 و ANMRR و مقایسه آن‌ها با روش‌های دیگر،  نشان می‌دهیم که این مدل از دقت خیلی بالاتری نسبت به سایر الگوریتم‌های مرسوم، برخوردار است.