İçerik tabanlı görüntü erişiminde öznitelik füzyonu

Abstract

Bu çalışmada, içerik tabanlı görüntü erişim problemlerinin çözümünde tercih edilen tanımlayıcılardan en yaygın olarak kullanılan SIFT (Scale Invariant Feature Transform), SURF (Speeded-Up Robust Features) ve ORB'nin (Oriented FAST and Rotated BRIEF) performansları değerlendirilmiş ve probleme özgü tanımlayıcı tercih etmek yerine jenerik bir çözüm olarak “Ağırlıklandırılmış Öznitelik Füzyonu” gerçekleştirilmiştir. Inria'nın 2 temel veri kümesi üzerinde testler yapılmış ve geri getirim sonuçlarının hassasiyetinin yükseltilmesi hedeflenmiştir. Önerilen yaklaşımın, tanımlayıcıların tek başlarına uygulandığı durumlarda; ORB'nin tek başına uygulandığı duruma göre %10-30, SIFT'in tek başına uygulandığı duruma göre %9-22, SURF'un tek başına uygulandığı duruma göre %12-29 daha az Yanlış Pozitif ürettiği gözlenmiştir. The feature descriptors such as SIFT (Scale Invariant Feature Transform), SURF (Speeded-up Robust Features) and ORB (Oriented FAST and Rotated BRIEF) are known as the most commonly used solutions for the content-based image retrieval problems. In this paper, a generic approach called "Weighted Feature Fusion" is implemented as a generic solution instead of applying problem-specific descriptors alone. Experiments were performed on two basic data sets of the Inria in order to improve the precision of retrieval results. It was found that in cases where the descriptors were used alone the proposed approach yielded 10-30% more accurate results than the ORB alone. Besides, it yielded 9-22% and 12-29% less False Positives compared to the SIFT alone and SURF alone, respectively.