تصویرها در اسناد علمی حاوی مطالب مهمی هستند. نویسندگان معمولا خلاصهای از روش پیشنهاد شده و نتایج مهم مقاله را در قالب فلوچارت یا نمودار نمایش میدهند. تصویرها اطلاعات زیادی را در زمان کوتاهی منتقل میکنند. چنانچه موتورهای جستجو، تصویرهای مربوط به جستجوی کاربر را در کنار فرادادههای متنی در اختیار او قرار دهند، کاربر با سرعت بیشتری میتواند به اطلاعات مورد نظرش دسترسی پیدا کند. به همین دلیل امروزه تصویرها به عنوان یکی از منابع اطلاعاتی مهم در نظر گرفته میشوند و بحث بازیابی آنها از پایگاههای داده از موضوعات مهم و به روز 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 ارزش افزوده میتواند آن را از موتورهای جستجوی مشابه متمایز سازد. بازیابی اطلاعات از تصویرها به دو روشِ بافت محور و محتوا محور امکان پذیر است. در روش محتوا محور، محتوای خود تصویر برای بازیابی در نظر گرفته میشود. به دلیل پیچیدگیهای تصویرهای علمی، جهت استخراج اطلاعات از محتوای تصویرها و استفاده از روشهای محتوا محور، ابتدا باید آنها را دستهبندی کرد. در این تحقیق، دستهبندی تصویرهای موجود در اسناد گنج بررسی میشود. امروزه اکثر روشهای دسته بندی مبتنی بر یادگیری عمیق است. یک مجموعه داده آموزشی از تصویرهای گنج فراهم میشود و برای آموزش یک روش یادگیری عمیق استفاده میشود. انتخاب روش یادگیری عمیق که در دستهبندی خودکار تصویرهای گنج خروجی قابل قبولی داشته باشد، از اهداف این طرح است.
فخرزاده، آزاده، و امیرحسین صدیقی. زودآیند. دستهبندی تصویرها در مدارک پایگاه اطلاعات علمی ایران (گنج) بر اساس یادگیری عمیق. تهران: پژوهشگاه علوم و فناوری اطلاعات ایران.
