شبکه همجوشی کانولوشنی چند مقیاسی برای بازیابی تصویر

الموضوعات :

فرایین آیینی ¹

1 - Department of Computer engineering, Sari Branch, Islamic Azad University, Sari, IRAN.

تاريخ الإرسال : 04 السبت , ربيع الأول, 1446 تاريخ التأكيد : 03 الأحد , ربيع الثاني, 1446 تاريخ الإصدار : 03 الأحد , ربيع الثاني, 1446

الکلمات المفتاحية: بازیابی تصویر, استخراج ویژگی, یادگیری عمیق, فیلترهای موازی, شبکه کانولوشنی,

ملخص المقالة :

بازیابی تصویر از پایگاه‌های داده بزرگ‌مقیاس به دلیل محدودیت‌های روش‌های سنتی متنی و مبتنی بر محتوا چالشی مهم در بینایی ماشین است که اغلب منجر به ایجاد "شکاف معنایی" می‌شود. شبکه همجوشی کانولوشنی چند مقیاسی (MSCFNet) به عنوان روشی نوین برای بهبود دقت و کارایی در بازیابی تصویر معرفی شده است. این شبکه با استفاده از فیلترهایی با اندازه‌های مختلف، ویژگی‌های کوچک، متوسط و بزرگ‌مقیاس را به‌طور هم‌زمان استخراج می‌کند و یک نمایه جامع‌تر از تصاویر ارائه می‌دهد. این رویکرد باعث بهبود تشخیص الگوهای متنوع و جزئیات بصری شده و عملکرد بازیابی تصویر را افزایش می‌دهد. MSCFNet با عملیات "جمع" برای همجوشی ویژگی‌ها پیچیدگی مدل را کاهش داده و کارایی محاسباتی را حفظ می‌کند. این شبکه در دو نسخه با 2 و 4 لایه چند مقیاسی پیاده‌سازی شده و در مجموعه داده‌های CIFAR-10، CIFAR-100 و Fashion-MNIST ارزیابی شده است. نتایج نشان می‌دهد که MSCFNet نسبت به مدل‌های پیچیده‌تر مانند ResNet18 و ResNet50 عملکرد بهتری دارد و در CIFAR-10 دقت 74.43٪، در CIFAR-100 دقت 38.87٪ و در Fashion-MNIST دقت 92.47٪ به دست می‌آورد. همچنین، نسخه دو لایه با زمان آموزش 113.1 ثانیه در CIFAR-10، دقت بالا و پیچیدگی کمتری را ارائه می‌دهد. MSCFNet به دلیل تعادل در دقت و کارایی محاسباتی، برای محیط‌های با منابع محدود مناسب است.

المصادر:

[1] a, G. G., & Khanna, A. (2024). Content Based Image Retrieval System Using CNN based Deep Learning Models. Procedia Computer Science, 235,
3131-3141. doi:https://doi.org/10.1016/j.procs.2024.04.296 [2] a, L. C., & Liu, M. (2024). An intelligent deep hash coding network for content-based medical image retrieval for healthcare applications. Egyptian
Informatics Journal, 27(100499). doi:https://doi.org/10.1016/j.eij.2024.100499 [3] a, Y. L., b, J. M., & Zhang, Y. (2021). Image retrieval from remote sensing big data: A survey. Information Fusion, 67, 94-115.
doi:https://doi.org/10.1016/j.inffus.2020.10.008 [4] b, Y. Y. a., a, S. J., b, J. H., b, B. X., a, J. L., & Xiao, R. ( 2020). Image retrieval via learning content-based deep quality model towards big data. Future
Generation Computer Systems, 112, 243-249. [5] Chen, Y., Ling, M., Liu, Y., Chen, X., Li, Y., & Tong, B. (2024). Enhancing MRI image retrieval using autoencoder-based deep learning: A solution for
efficient clinical and teaching applications. 17(3). doi:https://doi.org/10.1016/j.jrras.2024.100932 [6] Ciocca, G., Napoletano, P., & Schettini, R. (2018). CNN-based features for retrieval and classification of food images. Computer Vision and Image
Understanding, 176, 70-77. doi:https://doi.org/10.1016/j.cviu.2018.09.001 [7] Dubey, S. R. (2022). A Decade Survey of Content Based Image Retrieval Using Deep Learning. EEE Transactions on Circuits and Systems for Video
Technology, 32(5), 2687-2704. doi:0.1109/TCSVT.2021.3080920 [8] He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep Residual Learning for Image Recognition. Paper presented at the 2016 IEEE Conference on Computer
Vision and Pattern Recognition (CVPR), Las Vegas, NV, USA. [9] Hu, J., Shen, L., & Sun, G. (2018). Squeeze-and-excitation networks. Paper presented at the In Proceedings of the IEEE conference on computer
vision and pattern recognition, Salt Lake City, UT, USA. [10] Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in neural
information processing systems, 25, 1097-1105. [11] Kumar, M., Singh, R., & Mukherjee, P. (2024). VTHSC-MIR: Vision Transformer Hashing with Supervised Contrastive learning based medical image
retrieval. 184, 28-36. doi:https://doi.org/10.1016/j.patrec.2024.06.003 [12] Lecun, Y., Bottou, L., Bengio, Y., & Haffne, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11), 2278-
2324. doi:10.1109/5.726791 [13] Leticio, G. R., Kawai, V. S., Valem, L. P., Pedronette, D. C. G., & Torres, R. d. S. (2024). Manifold information through neighbor embedding projection
for image retrieval. Pattern Recognition Letters, 183, 17-25. doi:https://doi.org/10.1016/j.patrec.2024.04.022 [14] Li, X., Yang, J., & Ma, J. (2021). Recent developments of content-based image retrieval (CBIR). Neurocomputing, 452, 675-689.
[15] Liu, C., Ma, J., Tang, X., Liu, F., Zhang, X., & Jiao, L. (2021). Deep Hash Learning for Remote Sensing Image Retrieval. IEEE Transactions on Geoscience
and Remote Sensing, 59(4), 3420-3443. doi:10.1109/TGRS.2020.3007533 [16] Qin, J., Chen, J., Xiang, X., Tan, Y., Ma, W., & Wang, J. (2020). A privacy-preserving image retrieval method based on deep learning and adaptive
weighted fusion. J Real-Time Image Proc, 17, 161–173. doi:https://doi.org/10.1007/s11554-019-00909-3 [17] Simonyan, K., & Zisserman, A. (2015). Very deep convolutional networks for large-scale image recognition. arXiv preprint arXiv:1409.1556.
[18] Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., . . . Rabinovich, A. (2015). Going deeper with convolutions. Paper presented at the
2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Boston, MA, USA. [19] Wang, S., Xia, Y., Xiang, N., Qian, K., Yang, X., You, L., & Zhang, J. (2024). Multi-colour sketch-based image retrieval with an explicable feature
embedding. Engineering Applications of Artificial Intelligence, 135. doi: https://doi.org/10.1016/j.engappai.2024.108757. [20] Yan, C., Gong, B., Wei, Y., & Gao, Y. (2021). Deep Multi-View Enhancement Hashing for Image Retrieval. IEEE Transactions on Pattern Analysis and
Machine Intelligence, 43(4), 1445-1451. doi:10.1109/TPAMI.2020.297579 [21] Yu, W., Yang, K., Yao, H., Sun, X., & Xu, P. (2017). Exploiting the complementary strengths of multi-layer CNN features for image retrieval.
Neurocomputing, 237, 235-241. doi:https://doi.org/10.1016/j.neucom.2016.12.002 [22] Zhang, Z., Cheng, S., & Wang, L. (2023). Combined query image retrieval based on hybrid coding of CNN and Mix-Transformer. Expert Systems With
Applications, 234. doi:https://doi.org/10.1016/j.eswa.2023.121060 [23] Zhao, D., Qiu, Z., Jiang, Y., Zhu, X., Zhang, X., & Tao, Z. (2024). A depthwise separable CNN-based interpretable feature extraction network for
automatic pathological voice detection. Biomedical Signal Processing and Control, 88. doi:https://doi.org/10.1016/j.bspc.2023.105624 [24] Zhao, K., Xiao, J., Li, C., Xu, Z., & Yue, M. (2023). Fault diagnosis of rolling bearing using CNN and PCA fractal based feature extraction.
Measurement, 223. doi:https://doi.org/10.1016/j.measurement.2023.113754