سلام
من مقاله co-transduction for shape retrievalرا مطالعه کردم اما خوب متوجه نشدم که چطور این کار را انجام می دهد. این مقاله با استفاده از بافت شکل (sc=shape context)و فاصله داخلی بافت شکل (idsc)شکل پرس وجوی کاربر را اندازه گیری می کند از ترکیب این دو نتیجه خوبی حاصل می شود .کار بازیابی شی مبتنی برشکل در بینایی کامپیوتر راانجام می دهد.اگر دوستان دراین زمینه می توانند بهم کمک کنند تا بهتر متوجه شوم لطف زیادی می کنند. الگوریتم این مقاله راقرار دادم
كد:
Input: a query object x1 (a labeled data)
the database objects X = {x2, ...xn} (unlabeled data)
Process:
Create a n × n probabilistic transition matrix P1 based on one
type of shape similarity (eg. SC)
Create a n×n probabilistic transition matrix P2 based on another
type of shape similarity (eg. IDSC)
Create two sets Y1, Y2 such that Y1 = Y2 = {x1}
Create two sets X1,X2 such that X1 = X2 = X
Loop for m iterations:
Use P1 to learn a new similarity sim1j by graph transduction
when Y1 is used as the query objects (j = 1, ...,m is the iteration index)
Use P2 to learn a new similarity simj2 by graph transduction
when Y2 is used as the query objects
Add the p nearest neighbors from X1 to Y1 based on the
similarity simj1 to Y2
Add the p nearest neighbors from X2 to Y2 based on the
similarity simj2 to Y1
X1 = X1 − Y1
X2 = X2 − Y2
(Then X1,X2 will be unlabeled data for graph transduction
in the next iteration)
Co-transduction algorithm