एक नई सांख्यिकी विधि जो बहु-ऑब्जेक्ट वर्गीकरण और लॉजिस्टिक प्रतिगमन पर आधारित दृश्य वर्गीकरण के लिए है

हाल के वर्षों में, विभिन्न इनडोर-आउटडोर दृश्य छवियों के दृश्य वर्गीकरण में रुचि बढ़ी है, जो दृश्य संवेदक तकनीकों में प्रमुख विकास के कारण है। दृश्य वर्गीकरण को पर्यावरण अवलोकनों के लिए एक कुशल विधि साबित किया गया है, लेकिन दृश्य छवियों में कई वस्तुओं की जटिलता को देखते हुए यह एक चुनौतीपूर्ण कार्य है। इन छवियों में विभिन्न गुणों और वस्तुओं का मिश्रण होता है, अर्थात् (रंग, पाठ, और क्षेत्र) और इन्हें अनुकूल सुविधाओं के आधार पर वर्गीकृत किया जाता है। इस पेपर में, बेंचमार्क डेटा सेट का उपयोग करते हुए इनडोर-आउटडोर दृश्य छवियों के लिए एक कुशल मल्टीक्लास वस्तुओं वर्गीकरण विधि का प्रस्ताव किया गया है। हम दो सुधारित विधियाँ, फजी सी-मीन्स और मीन्स शिफ्ट एल्गोरिदम प्रदर्शित करते हैं, जो जटिल छवियों में कई वस्तुओं के विभाजन का अनुमान लगाते हैं। कई वस्तुओं का वर्गीकरण कई कर्नेल लर्निंग (MKL) के माध्यम से हासिल किया जाता है, जो क्षेत्रों के स्थानीय वर्णनकर्ताओं और स्वाक्षरों पर विचार करता है। फिर कई वस्तुओं के बीच संबंधों की जांच इंटरसेक्शन ओवर यूनियन एल्गोरिदम द्वारा की जाती है। अंत में, मल्टी-क्लास लॉजिस्टिक प्रतिगमन (McLR) का उपयोग करके दृश्य वर्गीकरण किया जाता है। प्रयोगात्मक मूल्यांकन ने प्रदर्शित किया कि हमारी दृश्य वर्गीकरण विधि अन्य पारंपरिक विधियों की तुलना में श्रेष्ठ है, विशेष रूप से जटिल छवियों से निपटने के मामले में। हमारा सिस्टम विभिन्न क्षेत्रों में लागू किया जा सकता है जैसे ड्रोन लक्षित करना, स्वतः संचालित वाहन, ग्लोबल पोजिशनिंग सिस्टम, रोबोटिक्स और पर्यटन मार्गदर्शक अनुप्रयोग।