دانلود مقاله و خرید ترجمه:دسته بندی تطبیقی ترکیب زمینه - 2012
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

مقالات ترجمه شده تشخیص الگو ( Pattern recognition )
  • Adaptive Figure-Ground Classification دسته بندی تطبیقی ترکیب زمینه

    دسته بندی:

    تشخیص الگو - Pattern recognition


    سال انتشار:

    2012


    ترجمه فارسی عنوان مقاله:

    دسته بندی تطبیقی ترکیب زمینه


    عنوان انگلیسی مقاله:

    Adaptive Figure-Ground Classification


    منبع:

    2012 IEEE Conference on Computer Vision and Pattern Recognition


    نویسنده:

    Yisong Chen, Antoni B: Chan


    چکیده انگلیسی:

    ما یک الگوریتم دسته بندی تطبیقی ترکیب زمینه برای استخراج خودکار ناحیه ی پیش زمینه با استفاده از کادر محصورکننده ی ایجادشده توسط کاربر ارائه می دهیم. نخست، تصویر با یک الگوریتم تطبیقی انتقال میانگین بخش بندی می شود و از اینها، برآوردهای پیشین پس زمینه و پیش زمینه تخمین زده می شوند. قطعات باقیمانده به صورت تکرارشونده براساس فاصله ی آنها تا این برآوردهای پیشین تخصیص می یابند و پیشین پیش زمینه به صورت آنلاین به روز می روند. مجموعه ی بزرگی از تقسیم بندی های کاندید با تغییر دادن برآورد پیشین پیش-زمینه ی اولیه به دست می آیند. بهترین کاندید توسط یک تابع امتیاز تعیین می شود که کیفیت تقسیم بندی را ارزیابی می کند. ما به جای استفاده از یک تابع فاصله ی واحد یا تابع امتیاز، چندین تقسیم بندی فرضی از ترکیبات مختلف معیارهای فاصله و توابع امتیاز ایجاد نمودیم. سپس تقسیم بندی نهایی بطور خودکار با یک طرح ترکیبی رأی گیری و وزندهی از چندین فرضیه به دست می آید. آزمایشات نشان می دهد روش ما در چندین مجموعه داده بر به روزترین روش های فعلی برتری دارد، و بطور خاص در صحنه های چالش برانگیزی که حاوی پیش زمینه های متصل چندگانه یا منظم هستند، به موفقیت دست می یابد. به علاوه، این پیشرفت در دقت با هزینه های محاسباتی پایین به دست می آید. کلمات کلیدی: مدولاسیون دلتا | پهنای باند | تقسیم بندی تصویر | الگوریتم های طبقه بندی | رنگ | توزیع گاوسی | ماتریس کواریانس


    چکیده فارسی:

    We propose an adaptive figure-ground classification algorithm to automatically extract a foreground region using a user-provided bounding-box. The image is first over-segmented with an adaptive mean-shift algorithm, from which background and foreground priors are estimated. The remaining patches are iteratively assigned based on their distances to the priors, with the foreground prior being updated online. A large set of candidate segmentations are obtained by changing the initial foreground prior. The best candidate is determined by a score function that evaluates the segmentation quality. Rather than using a single distance function or score function, we generate multiple hypothesis segmentations from different combinations of distance measures and score functions. The final segmentation is then automatically obtained with a voting or weighted combination scheme from the multiple hypotheses. Experiments indicate that our method performs at or above the current state-of-the-art on several datasets, with particular success on challenging scenes that contain irregular or multiple-connected foregrounds. In addition, this improvement in accuracy is achieved with low computational cost.
    Keywords: Delta modulation | Bandwidth | Image segmentation | Classification algorithms | Color | Gaussian distribution | Covariance matrix


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 8
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 27

    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: 2938 کیلوبایت


    قیمت: 25200 تومان   


    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)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 11494 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 11494 :::::::: افراد آنلاین: 68