A Comparison of Three different Techniques for Object Recognition

الملخص

يساعد التطور السريع في تطبيقات الحاسوب على تحسين كفاءة تقنيات معالجة الصور مثل التعرف على الأشياء من الوسائط المتعددة. خلال العقود القليلة الماضية، تم تقديم العديد من التقنيات من خلال إشراك المجالات المتعددة التخصصات المعتمدة على علوم الحاسوب كأدوات تصنيف. في هذه الورقة، استخدمنا ثلاث تقنيات مختلفة لتصنيف الصور والتعرف عليها K-Nearest Neighbors (KNN)، Support Vector Machines (SVM)، Earth Mover’s Distance (EMD). تتطلب هذه التقنيات استخراج المميزات المتعلقة بالأشياء، ولهذا الغرض قمناخوارزمية Histogram of oriented gradients (HOG). فيما يتعلق بمجموعات البيانات، فقد استخدامنا مجموعة بيانات COIL-100 كمجموعة بيانات معروفة لتجارب التعرف على الأشياء. قمنا بتقسيم مجموعة البيانات إلى سبع مجموعات فرعية. ثم قمنا باختبار ومقارنة الخوارزميات الثلاثة باستخدام هذه المجموعات الفرعية بشكل فردي. أخيرًا، قارنا النتائج ووجدنا أن SVM وEMD أكثر كفاءة على الرغم من أننا استخدمنا مجموعة فرعية كبيرة بينما يتأثر KNN وتنخفض كفاءته عندما يزداد حجم مجموعة البيانات.