سلام..
مرحبًا..

باتشكر از استائيد محترم وحاضرين بر جلسه
شكرا لدعمكم أستاذي الفاضل، وللحاضرين في الاجتماع.

من مؤتمن علي عبد السادة هستم.
أنا من المقربين لعلي عبد السادة.

من دانشجوى كارشناسى ارشد در دانشكاه ازاد إسلامى خوراسكان هستم.
أنا طالب ماجستير في جامعة آزاد الإسلامية في خراسان .

عنوان بايان نامه .
عنوان البيان .

ارائه راهکاری برای بازیابی تصاویر رنگی با استفاده از کیسه کلمات بصری شبکه عصبی کانولوشن از پیش آموزش دیده و CBAM-CNN
تقديم حل لاسترجاع الصور الملونة باستخدام شبكة عصبية ملتوية مدربة مسبقًا وحقيبة كلمات مرئية وشبكة CBAM-CNN

استاد راهنما: نكار مجمع
المشرف : نكار ماجما

استاد مشاور : مهدى مصلح
المستشار : مهدي مصلح

این پژوهش به بررسی و بهبود عملکرد مدل‌های CBIR از طریق ترکیب ویژگی‌های محلی بافتی و ویژگی‌های سراسری عمیق استخراج‌شده از شبکه‌های کانولوشن و استفاده از تکنیک کیف کلمات بصری BoVW پرداخته است.
قام هذا البحث بدراسة وتحسين أداء نماذج CBIR من خلال الجمع بين الميزات السياقية المحلية والميزات العالمية العميقة المستخرجة من الشبكات التلافيفية واستخدام تقنية Bag of Visual Words (BoVW) .

دو روش اصلی برای بازیابی تصویر:
طريقتان رئيسيتان لاستعادة الصورة:

مبتنی بر متن (استفاده از توضیحات و برچسب‌های متنی، اما دقت وابسته به کیفیت برچسب‌گذاری)
يعتمد على النص (يستخدم أوصافًا نصية وعلامات ، ولكن الدقة تعتمد على جودة العلامات )

مبتنی بر محتوا (استفاده از ویژگی‌های بصری مانند رنگ، بافت و شکل برای مقایسه و بازیابی دقیق‌تر)
يعتمد على المحتوى (باستخدام ميزات مرئية مثل اللون والملمس والشكل لإجراء مقارنة واسترجاع أكثر دقة )

در این تحقیق، برای رفع محدودیت‌های روش‌های پیشین و ارتقاء دقت بازیابی تصاویر، سه ویژگی سراسری شامل شبکه کانولوشن مبتنی بر توجه CBAM، و هیستوگرام گرادیان جهت‌دار، همراه با ویژگی محلی الگوی باینری محلی مبتنی بر کانال‌های رنگی استفاده شده است.
في هذا البحث، للتغلب على قيود الطرق السابقة وتحسين دقة استرجاع الصور، تم استخدام ثلاث ميزات عالمية بما في ذلك شبكة CBAM التلافيفية القائمة على الاهتمام والمخطط البياني التدرجي الموجه ، إلى جانب ميزة محلية للنمط الثنائي المحلي القائم على قنوات الألوان .

نتایج آزمایش‌ها بر روی سه پایگاه داده Wang، Oxford-17 و Caltech-10 نشان داد که مدل پیشنهادی در مقایسه با روش‌های پایه، به‌ویژه در معیارهایی همچون MAP، دقت ، فراخوان و F-Score، بهبود قابل‌ملاحظه‌ای داشته است. مدل پیشنهادی به‌ویژه در دست‌یابی به تعادل بهتر بین دقت و فراخوانی، موفقیت چشمگیری نشان داد.
أظهرت النتائج التجريبية على ثلاث قواعد بيانات: وانغ ، وأكسفورد-17 ، وكالتك-10، أن النموذج المقترح قد حقق تحسينات ملحوظة مقارنةً بالطرق الأساسية ، لا سيما في مقاييس مثل MAP ، والدقة ، والتذكر، ودرجة F. وقد حقق النموذج المقترح نجاحًا ملحوظًا في تحقيق توازن أفضل بين الدقة والتذكر.