﻿<?xml version="1.0" encoding="utf-8"?>
<ArticleSet>
  <ARTICLE>
    <Journal>
      <PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName>
      <JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle>
      <ISSN>16823745</ISSN>
      <Volume>13</Volume>
      <Issue>4</Issue>
      <PubDate PubStatus="epublish">
        <Year>2020</Year>
        <Month>4</Month>
        <Day>2</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Content Based Image Retrieval by the Fusion of Short Term Learning Methods</ArticleTitle>
    <VernacularTitle>ﺑﺎزﯾﺎﺑﯽ ﻣﻌﻨﺎﯾﯽ ﺗﺼﻮﯾﺮ بر اساس تركيب روش‌هاي يادگيري كوتاه‌مدت</VernacularTitle>
    <FirstPage>101</FirstPage>
    <LastPage>111</LastPage>
    <ELocationID EIdType="doi" />
    <Language>fa</Language>
    <AuthorList>
      <Author>
        <FirstName>بهاره</FirstName>
        <LastName>باقری</LastName>
        <Affiliation></Affiliation>
      </Author>
      <Author>
        <FirstName>مریم </FirstName>
        <LastName>پور‌‌محی‌آبادی</LastName>
        <Affiliation></Affiliation>
      </Author>
      <Author>
        <FirstName>حسین</FirstName>
        <LastName>نظام‌آبادی‌پور</LastName>
        <Affiliation></Affiliation>
      </Author>
    </AuthorList>
    <History PubStatus="received">
      <Year>2017</Year>
      <Month>7</Month>
      <Day>11</Day>
    </History>
    <Abstract>Content based image retrieval (CBIR) contains a set of techniques to process the visual features of a query image, in order to retrieve images semantically similar to it, in a database. To improve the performance of image retrieval systems, relevance feedback tool can be used. In this research, to increase the effectiveness of the image retrieval systems, the fusion of two (multiple) short term learning methods based on relevance feedback is proposed. In the proposed method, fusion is performed in three levels: fusion in ranks, fusion in retrieved images, and fusion in similarities. To evaluate the performance of the proposed method, a CBIR system with 10000 images of 82 different semantic groups is employed. The experimental results confirm the superior of suggested method in terms of retrieval precision.</Abstract>
    <OtherAbstract Language="FA">بازيابي تصوير بر اساس محتوا شامل مجموعه‌اي از روش‌ها براي پردازش ويژگي‌هاي ديداري يک تصوير پرس و جو به منظور پيداکردن تصاوير مشابه آن در يک پايگاه تصوير است. براي بهبود عملکرد سامانه بازیابی تصویر مي‌توان از ابزار بازخورد ربط استفاده کرد. در اين تحقيق براي افزايش کارايي سامانه‌هاي بازيابي تصوير، ترکيب دو یا چند روش يادگيري کوتاه‌مدت در فرایند بازخورد ربط پيشنهاد شده است. در روش پيشنهادي، ترکيب در سه سطح انجام مي‌گيرد: سطح تصاوير برگردانده‌شده، سطح توابع شباهت و سطح رتبه تصاوير. براي ارزيابي روش پيشنهادي يک سامانه بازيابي تصوير مبتني بر محتوا با 10000 تصوير از 82 گروه معنايي متفاوت مورد استفاده قرار گرفته است. نتایج حاصل از آزمایش‌ها برتري روش پيشنهادي را از لحاظ دقت بازیابی مورد تأیید قرار می‌دهد.</OtherAbstract>
    <ObjectList>
      <Object Type="Keyword">
        <Param Name="Value">بازيابي تصوير مبتني بر محتوا
بازخورد ربط
شکاف معنايي
ترکيب
يادگيري کوتاه‌مدت</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/28145</ArchiveCopySource>
  </ARTICLE>
</ArticleSet>