بازیابی اطلاعات با یادگیری عمیق

بازیابی اطلاعات چیست:

امروزه اهمیت بازیابی تصویر بر کسی پوشیده نیست. با توجه به پیشرفت روزافزون در ذخیرهی داده و تکنولوژی تصویری، حجم داده ها افزایش پیدا کرده است و نیازمند سیستمی کارآمد برای مدیریت این اطلاعات میباشیم. ازچندیندهه قبل تحقیق بر روی روشهای بازیابی یکی از زمینههای مورد علاقهی محققان بوده است و روشهایی برای این منظور ابداع کردهاند. با توجه به روند رو به افزایش حجم اطلاعات و تصاویر و با توجه به شکاف معنایی موجود در استخراج ویژگی به روشهای سنتی وادراک انسان، روش های معمول و سنتی کارآمد نبوده و نیازمند ابداع روشهای جدید هستیم تا این نیازها را برآورده سازد. بازیابی تصاویر از پایگاه دادههای عظیم از سالیان قبل به عنوان یک حوزهی تحقیقاتی مورد علاقهی محققان، مورد بحث بوده است. امروزه اکثر سیستمهای بازیابی، با استخراج ویژگیهایسطح پایین تصاویر مانند رنگ و بافت، این امر را ممکن میسازند. اما وجود فاصلهی معنایی میان این ویژگیهای سطح پایین و ادراک انسان، باعث کاهش دقت بازیابی میشود. بازیابی تصویر مبتنی بر محتوا استفاده از روش های بینایی ماشین برای بازیابی تصاویری از یک مجموعه است که به تصویر پرس وجو شبیه باشند. چالش اصلی این سیستم ها کاهش شکاف معنایی بین ویژگی های سطح پایین مستخرج از پیکسل و قطعه تصویر و مفاهیم سطح بالای موجود در آن است. یکی از روش های کاهش این فاصله استفاده از ویژگی های سطح بالای مستخرج از نواحی و اشیا برای بازیابی است. از طرفی ویژگی های سطح پایین نیز تمایز خوبی بین خود تصاویر اعمال می کنند. بر این اساس انتظار می رود استفاده از هر دو دسته ویژگی به نتایج بهتری منجر شود. امروزه استفاده از تصاویر دیجیتال، درجهت تشریح، به اشتراک گذاری و تفسیر اطلاعات افزایش چشم گیری پیدا کرده است. هنگاماستفاده از این اطلاعات، نیاز به جستوجو میان انبوهی از تصاویر وجود دارد روشهای جستوجوی متنی تصاویر شامل محدودیت هاییبودند که در نتیجه آن، روشهای جستوجوی مبتنی بر محتوای مصور ارایه شدند بازیابی تصویر برپایه محتوا یک روش جدید، اماکاملا تصبیت شده برای یافتن تصاویر از پایگاه داده های تصویر بزرگ و حتی ناشناس است این زمینه شامل پیچیدگی های فراوان مانندانتخاب روش برخورد با مجموعه داده های بزرگ، انتخاب روش نمایه کردن تصاویر درجهت جستوجوی سریع تر، انتخاب آشکارسازویژگی، توصیف گر تصویر و غیره است در تحقیقات قبلی انجام شده در این زمینه، این موضوعات به صورت تفکیک شده موردبررسی قرار گرفته اند.

یادگیری عمیق برای بازیابی اطلاعات:

پیشرفت های سال های اخیر در پردازش و قابلیت های شبکه های کامپیوتری به تجمع مقدار بسیار زیادی از داده ها منجر شدهاست. همچنین بالا بودن کارایی در مورد شیوه خودکار بازیابی و دانستن تفاوت اساسی انسان با ماشین ،یعنی تفسیر عکس و متون بهنیازی اساسی مبدل شده است.هدف هر نظام بازیابی، ارایه به موقع اطلاعات مرتبط در زمان مناسب به کاربر مناسب است. تصاویربه عنوان شکلی از مدارک که می توانند حجم قابل توجهی از اطلاعات را منتقل کنند از اهمیت خاصی برخوردارند بازیابی تصویر یکی از موضوعات مهم و چالش برانگیز در حوزه بینایی ماشین و پردازش تصویر است. تاکنون تحقیقات زیادی در زمینه بازیابی بر روی روش های مختلف انجام شده است. از دهه 70 میلادی بازیابی مبتنی بر کلمه معرفی شد و پس از گذشت دو دهه با توجه به افزایش حجم داده ذخیره شده و ناکارآمدی این روش ها، بازیابی مبتنی بر محتوا پایه گذاری شد. دراین روش محققان با توجه به استخراج ویژگی از تصاویر، به نتیجه بهتری دست یافتند. اما وجود فاصله معنایی میان ادراک انسان و ویژگی های سطح پایین استخراج شده از تصاویر از یک سو و از سوی دیگر افزایش بی رویه حجم داده پیرو پیشرفت فناوری، باعث شد تا روش های ابداع شده ناکارآمد شوند و پژوهش ها به سمت الگوریتم های جدیدتر معطوف شوند. با توجه به موفقیت و رشد چشم گیر الگوریتم های یادگیری عمیق، برآن شدیم تا روشی جدید مبتنی بر یادگیری عمیق به منظور بازیابی تصویرو متن پیاده سازی کنیم.

روش های بازیابی اطلاعات:

با پيشرفت هاي به وجود آمده در فناوري اطلاعات، رشد انفجارگونه اي از پايگاه هاي تصوير ايجاد شده كه نياز كاربران به ابزارهاي مؤثر و مفيد براي جستجو در اين مجموع ههاي بزرگ را افزايش م يدهد. به طور كلي، دو رويكرد براي جستجو در مجموع ههاي تصويري وجود دارد: روش مبتني بر متن و روش مبتني بر محتوا. در اولين رويكرد، تصاوير با استفاده از كلمات كليدي شرح داده مي شوند و براي بازيابي تصاوير از كليدواژه ها استفاده م يشود. اين روش محدوديت هايي دارد كه عبارتند از: الف) برچسب گذاري تصاوير پايگاه داده، كاري دشوار و زما نبر است و ب) برچسب گذاري به صورت اصولي انجام نمي گيرد و كاربران متفاوت از كلمات مختلفي براي شرح يك تصوير استفاده م يكنند. براي غلبه بر اين مشكلات، سيستم هاي بازيابي تصوير مبتني بر محتوا مورد توجه قرار گرفتند. در اين سيستم ها از الگوريتم هاي پردازش تصوير براي استخراج خودكار ويژگي هايي چون رنگ، بافت، شكل و … از تصاوير استفاده مي شود. همچنين اين سيستم تصاويري را بازيابي م يكند كه از لحاظ معنا، مشابه با تصوير پرس و جو باشند. مهم ترين چالش فراروي اين رويكرد عبارت است از وجود شكاف معنايي ميان ويژگي هاي بصري سطح پايين و معاني سطح بالاي موجود در تصاوير.