دانلود مقاله انگلیسی رایگان:نمایندگی انحصاری در مورد فرهنگ لغت تبعیض آمیز برای تطبیق استریو - 2017

روز دانشجو

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
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • Sparse representation over discriminative dictionary for stereo matching Sparse representation over discriminative dictionary for stereo matching
    Sparse representation over discriminative dictionary for stereo matching

    سال انتشار:

    2017


    عنوان انگلیسی مقاله:

    Sparse representation over discriminative dictionary for stereo matching


    ترجمه فارسی عنوان مقاله:

    نمایندگی انحصاری در مورد فرهنگ لغت تبعیض آمیز برای تطبیق استریو


    منبع:

    Sciencedirect - Elsevier - Pattern Recognition, 71 (2017) 278-289. doi:10.1016/j.patcog.2017.06.015


    نویسنده:

    Jihao Yin, Hongmei Zhu, Ding Yuan, Tianfan Xue


    چکیده انگلیسی:

    Article history:Received 28 December 2016Revised 31 May 2017Accepted 7 June 2017Available online 10 June 2017Keywords: Computer vision Stereo matching Data-driven Sparse codingDictionary learningWe propose a novel data-driven matching cost for dense correspondence based on sparse theory. The ability of sparse coding to selectively express the sources of influence on stereo images allows us to learn a discriminative dictionary. The dictionary learning process is incorporated with discriminative learn- ing and weighted sparse coding to enhance the discrimination of sparse coefficients and weaken the influence of radiometric changes. Then, the sparse representations over the learned discriminative dictio- nary are utilized to measure the dissimilarity between image patches. Semi-global cost aggregation and postprocessings are finally enforced to further improve the matching accuracy. Extensive experimental comparisons demonstrate that: the proposed matching cost outperforms traditional matching costs, the discriminative dictionary learning model is more suitable than previous dictionary learning models for stereo matching, and the proposed stereo method ranks the third place on the Middlebury benchmark v3 in quarter resolution up to the submitting, and achieves the best accuracy on 30 classic stereo images.© 2017 Elsevier Ltd. All rights reserved.
    Keywords: Computer vision | Stereo matching | Data-driven | Sparse coding | Dictionary learning


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    حجم فایل: 3649 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




آرشیو کامل مقالات

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
بینایی-ماشین
موضوعات
footer