No abstract

ÖZETÇEİmge erişiminde kullanılan etiketli imgelerin etiketleme işlemi, tam-otomatik algoritmalar tarafından yapıldığında imge etiketleri genellikle hatalar ve eksik etiketler içermektedir. Bu etiketleri temizleme ve düzeltme işi genellikle manuel olarak kişiler tarafından yapılır. Farklı kişiler tarafından yapılan etiketleme işlemi de bu kişiler arasında koordinasyonu gerekli kılmaktadır. Bu bildiride, imge etiketleme için Matlab GUI ile tasarlanan yarı otomatik bir imge etiketleme aracı önerilmiştir. Önerilen bu çalışmada, ilk olarak verilen sorgu imgesinin ve etiketli imgelerin öznitelikleri karşılaştırılarak öznitelikler arasında "Chi-Squared" uzaklık ölçütü kullanılarak en kısa mesafe olanlar belirlenir. Daha sonra kullanılan uzaklık ölçütü göz önünde bulundurularak sorgu imgesine en çok benzeyen imgelerin etiket bilgileri kullanılarak, sorgu imgesinin etiketlenmesinde kullanılabilecek etiketlerden önem sırasına göre dizilmiş sıralı bir liste oluşturulur. Kullanıcı da oluşturulan bu etiket listesinden sorgu imgesiyle alakalı etiketleri seçerek etiketleme işlemini tamamlar. Listeyle döndürülen etiketlerin yeterli olmaması durumunda, geliştirdiğimiz araç aynı zamanda kullanıcıya liste dışında kendi etiketlerini de girmesine olanak vermektedir. Bu sayede önerilen yöntem ile hem zaman kaybı hem de insan algısının öznelliği en aza indirgenerek sistematik ve tutarlı etiketleme gerçekleştirilmiş olur. ABSTRACTWhen image labeling (annotation) process for image retrieval is performed by fully automatic algorithms, labels have noise, errors and missing labels. Correcting labels gathered automatically from web (using information around an image such as text, user-tags, etc.) is done manually using human labor. Therefore, coordination of different indivuduals is necessary for a consistent annotation. In this paper, a semiautomatic annotation tool designed with Matlab GUI has been proposed for an efficient and consistent image labeling. In the proposed framework, we first compare visual features of the query image and the labeled gallery images by using "Chi-Squared" distance. Then we create an ordered label list by using the labels of the closest images. The user finally selects the appropriate labels from the list and finishes the labeling process. The tool also allows one to enter new labels in case the returned labels are not enough to describe the image content. In this way the subjectivity of human perception and loss of time are reduced as well as consistency and coordination among different indivuduals' annotations are accomplished.