تشخیص صحنه با اکثریت آرا در سطوح فرعی

عنوان تشخیص صحنه با اکثریت آرا در سطوح فرعی
نویسنده Maxudov، Nekruzjon، Özcan، Barış، Kıraç، مصطفی فورکان
تاریخ انتشار: 2016
موضوع توصیفگرها، تشخیص صحنه، کیسه کلمات، SIFT، SURF
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-1-5090-1679-2
شماره ثبت 98c24e4b-e632-413e-8826-7d34b80e1f52
محل کتابخانه علوم کامپیوتر
تاریخ 2016
متن نمونه در این مقاله، مشکل تشخیص صحنه، که یک زمینه پرمطالعه بینایی کامپیوتری است، مورد بررسی قرار گرفته است. الگوریتم پیشنهادی از روش کیسه کلمات (BoW) همراه با در نظر گرفتن بخش‌های فرعی در تصویر در طول طبقه‌بندی استفاده می‌کند. برای این منظور، تصویر در سه سطح زیربخش نمایش داده می شود که در هر سطح، تصویر به زیربخش های مساوی تقسیم می شود. با افزایش سطح زیربخش، تعداد زیربخش ها افزایش می یابد و هر زیربخش در هر سطح طبقه بندی می شود. در طول طبقه‌بندی، پاسخ‌های سطوح مختلف زیربخش به طبقه‌بندی‌کننده با یک سیاست رأی‌گیری عمده در نظر گرفته می‌شود. آزمایش‌ها بر روی پایگاه داده‌ای انجام می‌شوند که شامل تقریباً 4500 نمونه از تصاویر صحنه با اندازه‌های فرهنگ لغت 50، 100، 200، 300 و سطوح زیربخش مختلف است. نتایج نشان می‌دهد که روش پیشنهادی به دقت 83/71 درصد دست می‌یابد و رأی‌گیری عمده زیربخش عملکرد را با توجه به مورد رأی‌گیری غیر عمده، 1 درصد افزایش می‌دهد.
DOI 10.1109/SIU.2016.7496070
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

تشخیص صحنه با اکثریت آرا در سطوح فرعی

نویسنده Maxudov، Nekruzjon، Özcan، Barış، Kıraç، مصطفی فورکان
تاریخ انتشار 2016
موضوع توصیفگرها، تشخیص صحنه، کیسه کلمات، SIFT، SURF
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-1-5090-1679-2
شماره ثبت 98c24e4b-e632-413e-8826-7d34b80e1f52
محل کتابخانه علوم کامپیوتر
تاریخ 2016
متن نمونه در این مقاله، مشکل تشخیص صحنه، که یک زمینه پرمطالعه بینایی کامپیوتری است، مورد بررسی قرار گرفته است. الگوریتم پیشنهادی از روش کیسه کلمات (BoW) همراه با در نظر گرفتن بخش‌های فرعی در تصویر در طول طبقه‌بندی استفاده می‌کند. برای این منظور، تصویر در سه سطح زیربخش نمایش داده می شود که در هر سطح، تصویر به زیربخش های مساوی تقسیم می شود. با افزایش سطح زیربخش، تعداد زیربخش ها افزایش می یابد و هر زیربخش در هر سطح طبقه بندی می شود. در طول طبقه‌بندی، پاسخ‌های سطوح مختلف زیربخش به طبقه‌بندی‌کننده با یک سیاست رأی‌گیری عمده در نظر گرفته می‌شود. آزمایش‌ها بر روی پایگاه داده‌ای انجام می‌شوند که شامل تقریباً 4500 نمونه از تصاویر صحنه با اندازه‌های فرهنگ لغت 50، 100، 200، 300 و سطوح زیربخش مختلف است. نتایج نشان می‌دهد که روش پیشنهادی به دقت 83/71 درصد دست می‌یابد و رأی‌گیری عمده زیربخش عملکرد را با توجه به مورد رأی‌گیری غیر عمده، 1 درصد افزایش می‌دهد.
DOI 10.1109/SIU.2016.7496070
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید