دانلود مقاله و خرید ترجمه:یادگیری نمونه های اولیه و شباهت ها  در منیفولد گرسمن برای تشخیص حالت  بی اختیار - 2016

دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده پردازش تصویر ( Image Processing )
  • Learning prototypes and similes on Grassmann manifold for spontaneous expression recognition یادگیری نمونه های اولیه و شباهت ها در منیفولد گرسمن برای تشخیص حالت بی اختیار
    دانلود مقاله isi | دانلود مقاله انگلیسی رایگان | خرید ترجمه فارسی مقاله

    سال انتشار:

    2016


    ترجمه فارسی عنوان مقاله:

    یادگیری نمونه های اولیه و شباهت ها در منیفولد گرسمن برای تشخیص حالت بی اختیار


    عنوان انگلیسی مقاله:

    Learning prototypes and similes on Grassmann manifold for spontaneous expression recognition


    منبع:

    Sciencedirect - Elsevier - Computer Vision and Image Understanding 147 (2016) 95–101


    نویسنده:

    Mengyi Liu, Ruiping Wang, Shiguang Shan, Xilin Chen


    چکیده انگلیسی:

    Video-based spontaneous expression recognition is a challenging task due to the large inter-personal variations of both the expressing manners and the executing rates for the same expression category. One of the key is to explore robust representation method which can effectively capture the facial variations as well as alleviate the influence of personalities. In this paper, we propose to learn a kind of typical patterns that can be commonly shared by different subjects when performing expressions, namely “prototypes”. Specifically, we first apply a statistical model (i.e. linear subspace) on facial regions to generate the specific expression patterns for each video. Then a clustering algorithm is employed on all these expression patterns and the cluster means are regarded as the “prototypes”. Accordingly, we further design “simile” features to measure the similarities of personal specific patterns to our learned “prototypes”. Both techniques are conducted on Grassmann manifold, which can enrich the feature encoding manners and better reveal the data structure by introducing intrinsic geodesics. Extensive experiments are conducted on both posed and spontaneous expression databases. All results show that our method outperforms the state-of-the-art and also possesses good transferable ability under cross-database scenario.
    Keywords: Expression prototype | Simile representation | Grassmann manifold | Spontaneous expression recognition


    چکیده فارسی:

    شناسایی حالت خودکار مبتنی بر ویدئو یک کار چالش برانگیز با توجه به تفاوت های زیاد درون فردی از هر دو روش حالت و نرخ اجرای برای بیان همان طبقه است. کلیدی ترین روش ارائه قوی کاوش است که به طور موثر می تواند تغییرات صورت را ضبط کرده و همچنین تاثیر شخصیت را کاهش دهد. در این مقاله، ما برای یادگیری یک نوع از الگو معمول ارائه می دهیم که می تواند معمولا توسط افراد مختلف هنگام انجام عبارت، یعنی "نمونه"به اشتراک گذاشته شود. به طور خاص، ما برای اولین بار یک مدل آماری (به عنوان مثال شبه فضا خطی) را در مناطق صورت برای تولید الگوهای بیان خاص برای هر ویدیو بکار می بریم. سپس یک الگوریتم خوشه بندی که در تمام الگوهای بیان بکار می گیریم و ابزار خوشه به عنوان "نمونه" در نظر گرفته. بر این اساس، ما بعدا ویژگی های "تشبیه" را برای اندازه گیری شباهت الگوهای خاص شخصی برای یادگیری "نمونه" طراحی می کنیم. هر دو روش در گرسمن بکار گرفته می شود، که می تواند از ویژگی های روش رمزگذاری پشتیبانی می کند و ساختار داده ها را با معرفی ژئودزیک ذاتی بهتر نشان دهد. آزمایش های گسترده در هر دو پایگاه داده فشرده بیان ژست و خودکار انجام می شود. همه نتایج نشان می دهد که روش ما بهتر از تکنولوژی جدید است، و همچنین دارای توانایی انتقال خوب تحت طرح متقابل پایگاه داده است.
    کلمات کلیدی: بیان نمونه | بازنمایی تشابه | مانیفولد گرسمن | تشخیص حالت بی اختیار


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 7
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 28

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 3023 کیلوبایت


    قیمت: 36000 تومان  28800 تومان(20% تخفیف)


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
پردازش-تصویر
موضوعات
footer