TAR
 

Thai Academic Reference Database » National Conference on Computer Information Technologies » CIT 2010 »

Please use this identifier to cite or link to this item: http://tar.thailis.or.th/handle/123456789/24

Title: AdaboostSVM-Based Technique for Image Classification
Other Titles: การจำแนกประเภทรูปภาพโดยใช้วิธีการเอดาบูซซัพพอร์ตเวกเตอร์แมชชีน
Authors: นริศรา ดอนพรทัน
สิรภัทร เชี่ยวชาญวัฒนา
คำรณ สุนัติ
Keywords: Image Classification
Image retrieval
Adaboost
SVM
AdaboostSVM
การจำแนกประเภทรูปภาพ
การค้นคืนรูปภาพ
เอดาบูซ
ซัพพอร์ตเวกเตอร์แมชชีน
Issue Date: 15-Mar-2010
Publisher: สำนักงานคณะกรรมการการอุดมศึกษา
Abstract: According to the development of technology and internet, the numbers of pictures have been enormously produced. Meanwhile, the efficiency of searching a right picture is an important problem. A picture categorization is a method for solving this problem. This paper presents an efficacy of pictures classification when each of picture represented by Pyramid of Histograms of Oriented Gradients (PHOG). The testing has been done by the three classifiers; SVM, Adaboost, and AdaboostSVM. As per the experimental results conducted on the ETHZ database, the AdaboostSVM outperforms both the SVM and Adaboost techniques. The classification rates are 82.66, 79.81 and 80.15 percent, respectively. The experimental results conducted on the Caltech-101 database also show that AdaboostSVM yields the highest classification rate of 98.84 percent, while the achievements of SVM and Adaboost are 80.67 and 83.70 percent, respectively.
Description: จำนวนรูปภาพที่มากขึ้นในปัจจุบัน อันเนื่องมาจากความก้าวหน้าทางด้านเทคโนโลยีภาพถ่ายและอินเตอร์เน็ต ส่งผลให้การสืบค้นรูปภาพที่ตรงกับความต้องการของผู้ใช้มีประสิทธิภาพลดลง การจำแนกประเภทรูปภาพจึงเป็นแนวทางหนึ่งในการแก้ปัญหานี้ บทความนี้ได้นำเสนอการจำแนกประเภทรูปภาพโดยการดึงลักษณะของรูปภาพด้วยวิธีการ PHOG และเปรียบเทียบประสิทธิภาพการจำแนกประเภทด้วยวิธีการซัพพอร์ตเวกเตอร์แมชชีน วิธีการเอดาบูซ และวิธีการ เอดาบูซซัพพอร์ตเวกเตอร์แมชชีน ผลการทดลองกับฐานข้อมูล ETHZ พบว่าวิธีการเอดาบูซซัพพอร์ตเวกเตอร์แมชชีนให้ประสิทธิภาพการจำแนกประเภทรูปภาพสูงกว่าวิธีการซัพพอร์ตเวกเตอร์แมชชีนและวิธีการเอดาบูซคือร้อยละ 82.66, 79.89 และ 80.15 ตามลำดับ และผลจากการทดลองกับฐานข้อมูล Caltech-101 พบว่าวิธีการเอดาบูซซัพพอร์ตเวกเตอร์แมชชีนให้ประสิทธิภาพการจำแนกประเภทรูปภาพสูงสุดคิดเป็นร้อยละ 98.84 ซึ่งสูงกว่าวิธีการจำแนกประเภทข้อมูลด้วยวิธีการซัพพอร์ตเวกเตอร์แมชชีนและวิธีการเอด้าบูซซึ่งให้ประสิทธิภาพการจำแนกข้อมูลเท่ากับร้อยละ 80.67 และ 83.70 ตามลำดับ
URI: http://tar.thailis.or.th/handle/123456789/24
Appears in Collections:CIT 2010

Files in This Item:

File Description SizeFormat
CIT2010_03.pdf205.26 kBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Sitemap | Privacy & Security | Terms & Conditions

Office of Information Technology Administration for Eduactional Development
328 Sri-Ayuthaya Rd, Ratchathewi, Bangkok 10400 Tel.02-3545678
ThaiLIS is Thailand Library Integrated System