Sketch recognition with few examples

Çizim tanımanın ilgilendiği alan el ile çizilen dijital mürekkepleri sembolik bilgisayar ifadelerine çevirmektir. Çizim tanımanın ilk günlerinden beri alandaki çalışmaların çok büyük bir bölümü belirli ve iyi tanımlanmış veri tabanları için isabetli tanıyıcı modellerini geliştirmek üzerine odaklanmıştır. Bu gibi çalışmalar geleneksel makine öğrenmesi yaklaşımlarını kullanmaktadır. Bu yaklaşımlarda, önceden belirlenmiş sınıfların ve her sınıf için çokça etiketli örneğin bulunduğu varsayılır. Fakat pratikte bu varsayımların karşılanması güçtür. Gerçekte bir çizim tanıma sistemini geliştiren tasarımcının elinde hiç bir etiketli veri yoktur ve veri etiketleme külfeti ile karşı karşıyadır. Bu çalışmada etiketleme külfetini hafifletmek amacı ile geliştirilen, az sayıda etiketli ve çok sayıda etiketsiz veri kullanarak eğitilen sistemler sunmaktayız. Sunduğumuz sistemler çok küçük boyuttaki etiketlenmiş örnek kümesini öz-öğrenme yöntemleri ile etiketsiz örnekler arasından yeni örnekleri etiketleyerek otomatik olarak genişletmeyi hedefler. Otonom etiketlemenin sonucunda yeterli boyutta etiketli eğitim verisi ortaya çıkar ve bu veriler ile sınıflandırıcılar eğitilebilir. Bu çalışmada uygulaması ve çalışma zamanı karmaşıklığı birbirinden farklı dört öz-öğrenme yöntemi sunulmuştur. Sunulan yöntemlerden biri içeriksel eşdizimli örüntüleri kullanarak, tasdik edilebilir düzeyde daha çeşitli örnekler içeren eğitim örnek kümeleri elde etmektedir. Büyük veri setleri ile yürütülen titiz deneyler sonucu, sunulan içeriksel tabanlı özgün yöntemin tanıma performansını önemli ölçüde yükselttiği gözlemlenmiş ve raporlanmıştır.