การแปลความหมายภาพด้วยแนวคิดพื้นฐานความสัมพันธ์ของกราฟแบบลำดับชั้น

การจำแนกความหมายภาพเป็นหัวข้องานวิจัยที่ยังคงท้าทายอย่างมากในสาขาการประมวลผลภาพ มีนักวิจัยหลายกลุ่มพยายามปรบปรุงวิธีการเพื่อแก้ไขปัญหาของการแทนความหมายภาพด้วยการประมวลผลภาพระดับต่ำที่มีการใช้สถิติเข้ามาช่วยเพื่ออธิบายภาพ แต่อย่างไรวิธีการเหล่านั้นไม่สามารถที่จะนำมาใช้แทนความหมายของภาพได้อย่างแท้จริง

  งานวิจัยนี้ได้นำเสนอวิธีการใหม่สำหรับการแปลความหมายภาพด้วย แนวคิดพื้นฐานความสัมพันธ์ของกราฟแบบลำดับชั้น เพื่อใช้ในการจำแนกความหมายของภาพ สำหรับแนวคิดนี้จะใช้กราฟในการแทนความสัมพันธ์ของวัตถุในภาพ    วิธีการนี้มีทั้งหมด 3 ส่วนคือ (1) การใช้เครื่องในการแท็กภาพ (2) การประมวลผลด้วยกราฟแบบลำดับชั้น  (3) การจำแนกความหมาย   ผลที่ได้จากการจำแนกความหมายภาพด้วย  วิธีที่นำเสนอใหม่นี้สามารถจำแนกความหมายของภาพได้ดีกว่าวิธีอื่นๆ และได้ค่าความถูกต้องสูงถึง  84.82%

Semantic classification is challenging task in the field of image processing. Many researchers have attempted to improve semantic models such as developing more sophisticated models, or generating intermediate representations by making statistic on low level description. However, the methods are rather rudimentary and it does not specific enough for representing the actual meaning.

In this paper, we present a novel concept called the hierarchical representation graph for producing more semantic classification. This concept is formulates on a graph which is captured the relationships among objects in the images. The approach is composed of three main phases: (1) image annotation tool, (2) hierarchical relationship graph, and (3) image classification.   The experimental results indicate that our proposed approach offers significant performance improvements in the interpretation of semantic images, compared, with the maximum of 84.82% accuracy.

---