Automatické označování obrázků

Abstract

Tato práce se zabývá automatickým zařazováním obrázků do sémantických tříd na základě jejich obsahu. Hlavně různými způsoby klasifikace založenými na SVM. Hlavním cílem této práce je zlepšit přesnost klasifikace na velkých datových sadách. Práce se zabývá jak lineárními tak i nelineárními SVM klasifikátory a také možností použítí RBM pro transformaci příznaků pro lineární SVM klasifikátory. Dále jsou všechny tyto přístupy srovnány. Srovnává se nejen přesnost, ale i časová náročnost, využití zdrojů a možnosti budoucího pokračování ve výzkumu.

This work focuses on automatic classification of images into semantic classes based on their contentc, especially in using SVM classifiers. The main objective of this work is to improve classification accuracy on large datasets. Both linear and nonlinear SVM classifiers are considered. In addition, the possibility of transforming features by Restricted Boltzmann Machines and using linear SVM is explored as well. All these approaches are compared in terms of accuracy, computational demands, resource utilization, and possibilities for future research.