تصویرها به عنوان یکی از منابع اطلاعاتی مهم در نظر گرفته میشوند و بحث بازیابی آنها از پایگاههای داده از موضوعات مهم و بهروز است. در «گنج» امکان جستجو بر اساس یک عبارت متنی و بازیابی و نمایش نتایج جستجو در قالب فرادادههای متنی (عنوان، چکیده، کلیدواژه، پدیدآور، سال انتشار) وجود دارد. لیکن تصویرهای موجود در اسناد «گنج» بازیابی نمیشوند. فراهم کردن چنین امکانی در «گنج» به عنوان یک ارزشافزوده میتواند آن را از موتورهای جستجوی مشابه متمایز سازد. به دلیل پیچیدگیهای تصویرهای علمی، جهت استخراج اطلاعات از محتوای تصویرها و استفاده از روشهای محتوا ـ محور، ابتدا باید آنها را دستهبندی کرد. در این تحقیق، ابتدا 9144 تصویر به صورت تصادفی در شش حوزه مختلف از رسالهها و پایاننامههای گنج انتخاب شد و توسط خبرگان برچسب زده شد. تصاویر در دستههایی شامل نمودار میلهای، تصویر طبیعی، نمودار دایرهای، نمودار ساختارمند، رسمفنی، منحنی x-y، نقشهها تصاویر اسلاید، جدولها، نمودارهای جعبهای توسط یک روش یادگیری عمیق مبتنی بر شبکه عصبی پیچشی دستهبندی شدند.
