類神經網路影像檢索之研究

Abstract

由於網路和數位相機等電子產品的大量成長，使得多媒體如數位影像也大量增加。 對於影像上的檢索和搜尋的需求也日益增加。在面對日益龐大的數位影像，採行人工 處理的方式將耗費巨大的人力、財力與時間，使得以電腦自動化處理的方式是勢在必 行。然而，依語意所定義出的物件，在影像上難以相當精確地切割出來，加上所謂相 關/相似影像，更是一種模糊概念，常常是見仁見智，缺乏放諸四海皆準的標的。因此 另有學者研究以低階影像特徵作為檢索依據，雖然只要低階影像特徵輸入正確，便可 快速精確地找到所求影像，但是低階特徵所提供的檢索介面，對於一般使用者不夠直 覺而難以使用。影像檢索最困難的部分就是在於如何將使用者心目中的概念影像 (conceptual image)，以具體的簡圖或是以數學算式，或影像特徵等方式表現出來。 一旦有了上述的內容，再應用已發展幾十年的圖像辨識、電腦視覺，以及人工智慧等 技術，便可輕易在資料庫或網路上搜尋所要的圖像。 本計劃的主要目的在於針對前述概念，提出一種可彌補最近幾年頗為熱門的高階語 意特徵和傳統低階影像特徵之間鴻溝的一種新影像特徵及其推廣的神經網路檢索系 統。根據這些特徵，實作在「自生型機率決策類神經網路」(Self-growing Probability Decision Based Neural Networks, SPDBNN)上，我們就可以計算出兩張圖片的相似程 度，進而建立直覺的搜尋方式，可讓使用者不需要多次反覆和搜尋系統互動而能找到 心中所需要的圖片。另一目的則是期望以影像檢索研究為前哨，而能夠進一步找到在 多媒體檢索上可通用的檢索核心技術，以及資料自動處理方式。在面對未來爆炸性成 長的多媒體資料，自動化檢索只需要發掘適用的特徵，便可以套用本計劃所發展的後 端檢索技術，進而節省可能花費巨大的人力、物力與時間。