%31تخفیف

موتور جستجوی معنایی تصاویر

تعداد 114صفحه در فایل word

موتور جستجوی معنایی تصاویر

چکيده

با ظهور اینترنت، منابع عظیمی از اطلاعات مختلف از حوزه های گوناگون به صورت آنلاین در اختیار کاربران قرار گرفت. با گذشت زمان هر روزه حجم این اطلاعات بصورت چشمگیری رو به افزایش است. در چنین محیطی، کشف، دستیابی و یکپارچه سازی اطلاعات کاری دشوار بنظر می رسد. در سال های اخیر جهت یکپارچه سازی اطلاعات قالب های استانداردی چون اکس ام ال[1] و آر دی اف[2] بوجود آمده است. امروز حجم وسیعی از اطلاعات با این قالب های استاندارد روی وب وجود دارد و میزان آن روز به روز افزایش می یابد. ساخت و استفاده از این قالب ها مسائلی است که مورد توجه قرار گرفته است.

علاوه بر یکپارچه سازی اطلاعات، دستیابی به منابع موجود در وب پنهان نیز از جمله مسائلی است که دانشمندان حوزه آی تی و کامپیوتر را درگیر خود کرده است. دستیابی به محتوای منابعی چون تصاویر، ویدئو ها، اسکریپت هاو …. در این میان تصاویر از جمله منابعی هستند که شامل اطلاعات بسیار مهم می باشند، بنابراین وجود یک موتور جستجو که بتواند اطلاعات درون تصاویر را مورد دسترسی برای کاربران دنیای وب قرار دهد نیازی جدی به شمار می رود. با توجه به اهمیت نیاز مذکور، چگونگی طراحی و ویژگی های یک موتور جستجوی معنایی برای تصاویر در این نوشته شرح داده شده است.

جهت استفاده از تصاویر به عنوان یک منبع اطلاعاتی ارزشمند، می بایست از محتوای تصاویر آگاه بود، از این روی نیاز است تا اشیاء داخل تصاویر مشخص باشند، به عبارت دیگر تصاویر می بایست برچسب خورده باشند، برای این کار از تکنیک محاسبات انسانی[3]، و به طور خاص تر از نوعی کپچای تصویری خلاقانه  موسوم به یاپچا[4]، استفاه شده است. سپس برای استفاده از این تصاویر برچسب خورده موتور جستجوی معنایی تصاویر ISSE [5] طراحی شده است. همچنین این موتور جستجو قادر است با استفاده از الگوریتم طیفت اقدام به تطابق تصاویر نماید.

ساختار این نوشته به صورت زیر است:

پس از ارائه مقدمه ای در فصل اول، موتورهای جستجو و سپس موتور های جستجوی معنایی در فصول دوم و سوم به طور کامل توصیف شده اند. در ادامه، در فصل چهارم الگوریتم زیفت و کاربرد های آن مورد بررسی قرار گرفته است. در فصل پنجم جزئیات پیاده سازی یک موتور جستجوی تصاویر معنایی با نام ISSE ارائه و نتیجه کار آن با سایر موتورهای جستجوی معنایی تصاویر موجود مقایسه شده است، و در پایان جمع بندی ای از مطالب ارائه شده بیان گردیده است.

کليد واژه ها:موتور جستجوی معنائی، وب معنائی، وب پنهان، آنتولوژی، گراف معنا، چند رسانه ای.

[1] XML (Extensible Markup Language)

[2] RDF (Resource Description Framework)

[3] Human Computation

[4] YAPPTCHA

[5] Image Semantic Search Engine

فهرست مطالب

عنوان                                                                                                                               صفحه

فصل 1-     مقدمه    14

1-1-    پيشگفتار 14

1-2-    تاریخچه 14

1-2-1-     تاریخچه موتورهای جستجو. 14

1-2-2-     تاریخچه موتورهای جستجوی معنایی.. 15

1-2-3-     اهمیت موتورهای جستجوی معنایی.. 16

1-3-    شیوه های نوین.. 17

1-4-    تعاریف     18

1-4-1-     وب معنائی  18

1-4-2-     وب پنهان   18

1-4-3-     هستان شناسی.. 18

1-4-4-     موتور جستجوی معنائی.. 18

1-4-5-     اسناد و زبان های  استاندارد. 18

1-4-6-     جمع بندی  18

فصل 2-     موتورهای جستجو. 20

2-1-    موتور جستجو چیست ؟ 20

2-2-    انواع موتورهای جستجو. 20

2-2-1-     موتورهای جستجوی پیمایشی.. 20

2-2-2-     فهرست تکمیل دستی.. 20

2-2-3-     موتورهای جستجوی ترکیبی با نتایج مختلط… 21

2-2-4-     ابر جستجوگرها 21

2-3-    بخش های مهم موتور جستجو. 21

2-3-1-     عنکبوت     21

2-3-2-     خزنده 22

2-3-3-     فهرست نویس    22

2-3-4-     پایگاه داده 23

2-3-5-     رتبه بند     23

2-4-    چگونگی معرفی وب سایت به موتورهای جستجو. 24

2-5-    اهمیت بهینه سازی موتور جستجو. 24

2-6-    جمع بندی.. 26

فصل 3-     موتورهای جستجوی معنایی.. 28

3-1-    موتورها ی جستجوی معنایی متنی مبتنی بر آنتولوژی.. 28

3-1-1-     یادگیری آنتولوژی برای موتور جستجوی هوشمند. 28

3-1-2-     مطالعه موتور جستجوی معنایی بر پایه آنتولوژی.. 29

3-1-3-     مطالعه و طراحی موتور جستجوی معنایی مبتنی بر آنتولوژی.. 30

3-1-4-     متدولوژی مبتنی بر آنتولوژی برای جستجوی توسعه یافته معنایی.. 31

3-2-    موتورهای جستجوی معنایی مبتنی بر روش های خلاقانه. 32

3-2-1-     موتور جستجو مبتنی بر وابستگی در وب معنایی.. 32

3-2-2-     بازیابی اطلاعات با استفاده از جستجوگرهای وب معنایی.. 33

3-2-3-     موتور جستجوی معنایی با دامنه مشخص…. 34

3-3-    موتورهای جستجوی معنایی چندرسانه ای.. 36

3-3-1-     موتور جستجوی معنایی تصاویر. 36

3-3-2-     تکنیک های بازیابی تصاویر مبتنی بر محتوا 37

3-4-    موتورهای جستجوی معنایی در حوزه وب پنهان.. 41

3-4-1-     ساختار داده وب پنهان.. 41

3-4-2-     ساخت اتوماتیک آنتولوژی از وب پنهان.. 42

3-4-3-     جستجوی معنایی برای داده های وب پنهان.. 42

3-4-4-     ترجمه پرس و جو برای وب پنهان با استفاده از آنتولوژی.. 44

3-4-5-     دسترسی به وب پنهان با استفاده از آنتولوژی.. 46

3-5-    مثال هایی از موتورهای جستجوی معنایی امروزی در وب… 49

3-5-1-     سایروس…. 49

3-5-2-     اسووگل           54

3-5-3-     طراحی و پیاده سازی موتور جستجوی معنایی پویا برای اسناد پزشکی الکترونیکی.. 57

3-5-4-     طراحی موتور جستجوی معنایی برای پوشاک… 60

3-6-    جمع بندی.. 65

فصل 4-     الگوریتم زیفت… 67

4-1-    مقدمه. 67

4-1-1-     پیشگفتار 67

4-2-    توضیح الگوریتم Sift 67

4-2-1-     خلاصه ای از الگوریتمSift 67

4-2-2-     توابع و کلاس های موجود در برنامه. 75

4-2-3-     مقایسه دو تصویر و انطباق آن ها 78

4-3-    دستورات و توابع اضافه شده جهت بهينه سازی.. 79

4-3-1-     تابع MATCH_DESCRIPTORS.. 79

4-3-2-     تابع KP_QUICKSORT.. 80

4-3-3-     تابع ACOS_KEYPOINTS.. 81

4-3-4-     تابع MATCH بهینه شده 82

4-3-5-     دقت در الگوریتم بهبود یافته. 84

فصل 5-   ISSE موتور جستجوی معنایی تصاویر. 86

5-1-    موتور جستجوی معنایی تصاویر چیست؟ 86

5-2-    دلایل نیاز به موتور جستجوی معنایی تصاویر. 86

5-3-    جستجوی تصاویر بر اساس کلمات کلیدی.. 87

5-3-1-     نیاز برچسب زدن به تصاویر. 87

5-3-2-     استفاده ازYAPPTCHA  برای برچسب زدن تصاویر. 87

5-4- جستجوی محتوای تصاویر و الگوریتم زیفت… 91

5-5-    پیاده سازی ISSE.. 93

5-5-1-     پردازش پرسش متنی.. 94

5-5-2-     پردازش پرسش تصویری.. 96

5-5-3-     منبع و رتبه بندی تصاویر. 103

5-6-    مقایسه ISSE با سایر موتور های جستجوی تصاویر معنایی.. 104

5-6-1-     مقایسه با Pixolu  104

5-6-2-     مقایسه با nachofoto  105

5-6-3-     مقایسه با موتور جستجوی Google. 105

5-6-4-     مقایسه با TinEye  106

5-6-5-     مقایسه با MUFIN.. 106

5-8-  نتیجه گیری.. 108

فصل 6-     جمع بندی  110

6-1-    جمع بندی فصول.. 110

6-2-    نتیجه گیری.. 111

6-3-    کارهای آینده 111

مراجع…………………………………………………………………………………………………………………………………………………….. 113

فهرست شکل ها

شکل 1 چهارچوب ساخت آنتولوژی بصورت یادگیر. 28

شکل 2 سیستم یادگیری آنتولوژی برای موتور جستجوی هوشمند. 30

شکل 3 مدل سیستم موتور جستجوی مبتنی بر آنتولوژی.. 32

شکل 4 معماری موتور جستجو مبتنی بر وابستگی.. Error! Bookmark not defined.32

شکل 5 معماری سیستم بازیابی تصویر. 38

شکل 6 مدل نمایش تصویر. 40

شکل 7 الگوریتم سیستم جستجوی وب پنهان.. 43

شکل 8 معماری یک وب پنهان.. 43

شکل 9 معماری یک کراولر مبتنی بر آنتولوژی.. 44

شکل 10 معماری SWDS. 44

شکل 11 یک فرم جستجو. 45

شکل 12 فرم خروجی.. 45

شکل 13 معماری سیستم پرس و جو. 47

شکل 14 نمونه کد داخل فرم. 47

شکل 15 فرمت خروجی.. 48

شکل 16 نمونه ای از یک آنتولوژی.. 48

شکل 17 صفحه اول سایروس…. 49

شکل 18 مراحل کار سایروس…. 50

شکل 19 فرم جستجوی پیشرفته سایروس…. 53

شکل 20 نمایش اول نتایج سایروس…. 54

شکل 21 نمایش دوم نتایج سایروس…. 54

شکل 22 معماری اسووگل.. 55

شکل 23 صفحه اول اسووگل.. 56

شکل 24 صفحه نتایج اسووگل.. 56

شکل 25 لایه های معماری موتور جستجو. 58

شکل 26 زیرسیستم های موتور جستجو. 58

شکل 27 زیرسیستم بازیابی داده 58

شکل 28 زیرسیستم واسط کاربری.. 59

شکل 29 آماده سازی داده برای اسناد پزشکی الکترونیکی.. 60

شکل 30 معماری DASS. 62

شکل 31 ساختار DASS. 62

شکل 32 نمونه ای از درخت معنایی.. 63

شکل 33 درخت معنایی برای پوشاک… 64

شکل 34 یکپارچه سازی سرویس وب معنایی.. 64

شکل 35 مراحل الگوريتم SIFT.. 68

شکل 36 توليد تصاوير DOG از هرم گاووسی.. 69

شکل 37 تصوير شروع. 70

شکل 38 اولین اکتاو از تصاویر. 70

شکل 39 تصاوير هرم گاووسي.. 70

شکل 40 تصاویر حاصل از تفریق تصاویر هرم گاووسی در اولین اکتاو 71

شکل 41 تصاوير DoG حاصل از octaveهاي بعد. 71

شکل 42 نقاط اکسترمم فضای مقیاس…. 72

شکل 43 زاويه مربوط به يک نقطه و نمودار مربوطه. 73

شکل 44 زوایای استخراج شده از تصویر. 73

شکل 45 توصيف کننده هاي يک نقطه کليدي.. 74

شکل 46 شناسایی اشیا توسط الگوریتم زیفت – نمونه 1. 74

شکل 47 شناسایی اشیا توسط الگوریتم زیفت – نمونه 2. 75

شکل 48 شناسایی اشیا توسط الگوریتم زیفت – نمونه 3. 75

شکل 49 الگوریتم بارگذاری تصاویر. 76

شکل 50 پیاده سازی کلاس sift_kp.. 76

شکل 51 متغیرهای کلاس SIFT_TRANSFORMER… 77

شکل 52 روند اطلاعات در کلاس SIFT_TRANSFORMER… 76

شکل 53 شبه کد مقایسه ویژگی ها 78

شکل 54 نقاط تطبیق یافته. 79

شکل 55 پیاده سازی تابع MATCH_DESCRIPTORS.. 80

شکل 56 پیاده سازی تابع KP_QUICKSORT.. 81

شکل 57 پیاده سازی تابع ACOS_KEYPOINTS.. 82

شکل 58 پیاده سازی تابع MATCH… 83

شکل 59 تفاوت مرتبه زمانی میان دو الگوریتم MATCH… 84

شکل 60 شبه کد ضریب خطا یا لگوریتم MATCH… 84

شکل 61 نمونه ای از سیستم های کپچای معرفی شده 89

شکل 62 نمونه ای از سیستم یاپچا 90

شکل 63 چهار تصویر نمونه از یاپچا 92

شکل 64 یک نمونه از گراف معنایی مربوط به تصاویر تصویر 37. 93

شکل 65 اجزای موتور جستجوی ISSE.. 94

شکل 66 نمایی از نتیجه جستجو برای کلمه گل.. 95

شکل 67 نمایی از خروجی OWL به فرمت RDF برای «گل». 96

شکل 68 نمایش فرم آپلود برای کاربر. 96

شکل 69 نمونه ای از نتایج جستجو براساس محتوای تصویر. 97

شکل 70 تصویری از محیط Pixolu.. 103

شکل 71 نتیجه جستجوی موتور nachofoto برای کلمه japan.. 105

شکل 72 نتیجه جستجوی موتور MUFIN برای کلمه flower. 107

شکل 73 نتیجه جستجوی موتور MUFIN برای تصویر دوم شکل 72. 107

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo