การปรับปรุงข้อคำถามด้วยความเกี่ยวพันป้อนกลับโดยใช้ขั้นตอนเชิงพันธุกรรมร่วมกับวิธีการเนเบอร์ฮูทเสิร์ทสำหรับการค้นคืนรูปภาพจากเนื้อหาของรูปภาพ
Article Sidebar
Main Article Content
บทคัดย่อ
ปัจจุบันรูปภาพที่เผยแพร่อยู่ในอินเทอร์เน็ตมีอัตราการเติบโตขึ้นอย่างรวดเร็ว ซึ่งเป็นผลสืบเนื่องมาจากความก้าวหน้าของเครื่องมือ และเทคโนโลยี ทำให้มีรูปภาพเผยแพร่อยู่เป็นจำนวนมาก เมื่อต้องการค้นคืนเพื่อหารูปภาพที่ต้องการจึงต้องอาศัยเครื่องมือประเภทระบบการค้นคืนรูปภาพที่มีประสิทธิภาพและความสามารถสูง แต่รูปแบบการค้นคืนแบบเก่าที่ใช้คำสำคัญจากข้อมูลเมตา โดยนำมาเปรียบเทียบกับข้อคำถาม แต่ถ้ามีผู้ใช้สองคนต้องการเรียกข้อมูลรูปภาพเดียวกัน ซึ่งผู้ใช้แต่ละคนไม่ได้ใช้ข้อความที่เป็นข้อคำถามเดียวกัน ทำให้ระบบการค้นคืนรูปภาพจากข้อความ พิจารณาและเปรียบเทียบได้ยาก โดยการปรับปรุงข้อคำถามด้วยความเกี่ยวพันป้อนกลับโดยใช้ขั้นตอนเชิงพันธุกรรมร่วมกับวิธีการเนเบอร์ฮูทเสิร์ท เป็นระบบแบบกึ่งอัตโนมัติ ที่ผู้ใช้สามารถเลือกรูปภาพผลลัพธ์ที่ถูกต้องกับความต้องการจากการค้นคืนของรอบที่ผ่านมา แล้วทำการปรับปรุงเป็นรูปภาพคำถามใหม่ และป้อนย้อนกลับเข้าไปในระบบ จนส่งผลให้ได้รูปภาพผลลัพธ์ที่ตรงกับความต้องการของผู้ใช้มากขึ้น ผลจากการทดลองพบว่าวิธีการที่ผู้วิจัยดำเนินการนี้นี้ให้ค่าเฉลี่ยของประสิทธิภาพในภาพรวม (F-measure) สูงถึง 0.87 เมื่อ ซึ่งหมายถึงระบบมีประสิทธิภาพอยู่ในระดับดี และให้ผลลัพธ์ที่สูงกว่าผลของการค้นคืนรูปภาพในรอบแรกที่ไม่มีกระบวนการป้อนความเกี่ยวพันย้อนกลับ ซึ่งตรงตามวัตถุประสงค์ที่กำหนดไว้ของวิจัย
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข่อมูลในบทความที่ลงตีพิมพ์ในวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วย หรือว่าร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม ถือเป็นลิขสิทธิ์ของวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม หากบุคคล หรือหน่วยงานใดต้องการนำทั้งหมด หรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อ หรือเพื่อกระทำการใด ๆ จะต้องได้รับอนุญาต เป็นลายลักษณ์อักษรจากวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม เท่านั้น
เอกสารอ้างอิง
เอกสารอ้างอิง
H. Takagi, S.-B. Cho, and T. Noda, “Evaluation of an IGA-based image retrieval system using wavelet coefficients,” in Proc. IEEE Int. Fuzzy Syst. Conf., 1999, vol. 3, pp. 1780.
H. Takagi, “Interactive evolutionary computation: Fusion of the capacities of EC optimization and human evaluation,” Proc. IEEE, vol. 89, no. 9,pp. 1275–1296, Sep. 2001.
M. Arevalillo-Herráez, F. H. Ferri, and S. Moreno-Picot, “Distance-based relevance feedback using a hybrid interactive genetic algorithm for image retrieval,” Appl. Soft Comput., vol. 11, no. 2, pp. 1782–1791, Mar. 2011, DOI: 10.1016/j.asoc.2010.05.022.
Liang B., et al. (2012). “Design of Video Retrieval System Using MPEG-7 Descriptors.” In Proceedings Engineering, (2578–2582).
Huayoung L., et al. (2004). “Content-Based TV Sports Video Retrieval Based on Audio-Visual Features and Text information.” In Web Intelligence, 2004, (481–484).
Marchal J., et al. (2006). “Soccer Video Retrieval using adaptive Time-frequency Method.” In Proceedings of 2006 IEEE International Conference on Acoustics, Speech, and Signal Processing. Toulouse: The Institute of Electrical and Electronics Engineers Signal Processing Society, (509–512).
Wang R., et al. (2001). “Video retrieval and relevance feedback in the context of a post-integration model.” In Proceedings of 4th Workshop on Multimedia Signal Processing. Cannes: The Institute of Electrical and Electronics Engineers, (3 -38).
Haas M., et al. (2005). “Relevance feedback methods in content-based retrieval and video summarization.” In Multimedia and Expo, 2005, Proceedings of IEEE International Conference on Multimedia and Expo, 2005. NJ : The Institute of Electrical and Electronics Engineers.
Munesawang, P., et al. (2005). “Adaptive video indexing and automatic/semi-automatic relevance feedback.” IEEE Transactions on Circuits and Systems for Video Technology. 15 : 1032-1046.
Mironica, I., Ionescu, B. and Vertan, C. (2012). “Hierarchical clustering relevance feedback for content-based image retrieval.” In Content-Based Multimedia Indexing (CBMI), Proceedings of 2012 10th International Workshop on Content-Based Multimedia Indexing. Polytech Annecy, Chambery Annecy : The Institute of Electrical and Electronics Engineers.
Hopfgartner, F., et al. (2007). “Evaluating the implicit feedback models for adaptive video retrieval.” In Multimedia Information Retrieval, Proceedings of the international workshop on Workshop on Multimedia Information Retrieval. Bavaria : Association for Computing Machinery, (323-331)
Moshfeghi, Y. and Jose, J. M. (2013). “An effective implicit relevance feedback technique using affective, physiological and behavioural features.” In Proceedings of 36th International ACM SIGIR Conference on Research and Development in Information Retrieval. Dublin : Association for Computing Machinery, (133-142).
Zhang, H., Kankanhalli, A. and Smoliar, S. W. (1993). “Automatic Partitioning of Full Motion Video.” Multimedia Systems. 1 : 10-28.
Shahraray B. (1995). “Scene change detection and content-based sampling of video sequences.” In Proceedings of Digital Video Compression: Algorithms and Technologies 1995. San Jose : The International Society for Optical Engineering, (2-13).
Hampapur A., et al. (1996). “The Virage image search engine: An open framework for image management.” in Proceedings of Storage and Retrieval for Still Image and Video Databases IV. San Jose : The International Society for Optical Engineering.
Kasturi, R. and Jain R. (1991). “Dynamic Vision." Computer Vision : Principles. Washington : IEEE Computer Society Press.
Yang, X. S. (2008). Nature-Inspried Metaheuristic Algorithms. United Kingdom : Luniver Press.
Pongcharoen, P., et al. (2002). “Determinig optimum genetic algorithm parameters for scheduling the manufacturing and assembly of complex products.” International
