Integración de Información de Contexto a través del Conocimiento Ontológico Probabilístico en la Clasificación de Imágenes
Autores: Apicella, Andrea; Corazza, Anna; Isgrò, Francesco; Vettigli, Giuseppe
Idioma: Inglés
Editor: MDPI
Año: 2018
Acceso abierto
Artículo científico
2018
Integración de Información de Contexto a través del Conocimiento Ontológico Probabilístico en la Clasificación de Imágenes
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Ontología
Clasificación
Probabilístico
Clasificador multiclase
Integración
Rendimiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
El uso del conocimiento ontológico para mejorar los resultados de clasificación es una línea de investigación prometedora. La disponibilidad de una ontología probabilística plantea la posibilidad de combinar las probabilidades provenientes de la ontología con las producidas por un clasificador multiclase que detecta objetos particulares en una imagen. Esta combinación no solo proporciona las relaciones existentes entre los diferentes segmentos, sino que también puede mejorar la precisión de la clasificación. De hecho, se sabe que la información contextual puede a menudo proporcionar información que sugiere la clase correcta. Este artículo propone un modelo posible que implementa esta integración, y la evaluación experimental muestra la efectividad de la integración, especialmente cuando la precisión del clasificador es relativamente baja. Para evaluar el rendimiento del modelo propuesto, diseñamos e implementamos un clasificador simulado que permite decisiones a priori sobre su rendimiento con suficiente precisión.
Descripción
El uso del conocimiento ontológico para mejorar los resultados de clasificación es una línea de investigación prometedora. La disponibilidad de una ontología probabilística plantea la posibilidad de combinar las probabilidades provenientes de la ontología con las producidas por un clasificador multiclase que detecta objetos particulares en una imagen. Esta combinación no solo proporciona las relaciones existentes entre los diferentes segmentos, sino que también puede mejorar la precisión de la clasificación. De hecho, se sabe que la información contextual puede a menudo proporcionar información que sugiere la clase correcta. Este artículo propone un modelo posible que implementa esta integración, y la evaluación experimental muestra la efectividad de la integración, especialmente cuando la precisión del clasificador es relativamente baja. Para evaluar el rendimiento del modelo propuesto, diseñamos e implementamos un clasificador simulado que permite decisiones a priori sobre su rendimiento con suficiente precisión.