دانلود مقاله و خرید ترجمه:کلاس‌بندی معنایی صحنه های شهری ناهمگون با استفاده از شباهت ویژگی میان صحنه‌ای و وابستگی معنایی میان صحنه ای - 2015
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

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 پردازش تصویر ( Image Processing )
  • Semantic Classification of Heterogeneous Urban Scenes Using Intrascene Feature Similarity and Interscene Semantic Dependency کلاس‌بندی معنایی صحنه های شهری ناهمگون با استفاده از شباهت ویژگی میان صحنه‌ای و وابستگی معنایی میان صحنه ای
    دانلود مقاله | مقاله انگلیسی رایگان | خرید ترجمه فارسی مقاله

    دسته بندی:

    پردازش تصویر - Image Processing


    سال انتشار:

    2015


    ترجمه فارسی عنوان مقاله:

    کلاس‌بندی معنایی صحنه های شهری ناهمگون با استفاده از شباهت ویژگی میان صحنه‌ای و وابستگی معنایی میان صحنه ای


    عنوان انگلیسی مقاله:

    Semantic Classification of Heterogeneous Urban Scenes Using Intrascene Feature Similarity and Interscene Semantic Dependency


    منبع:

    IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, VOL. 8, NO. 5, MAY 2015


    نویسنده:

    Xiuyuan Zhang, Shihong Du, and Yi-Chen Wang


    چکیده انگلیسی:

    Semantic classification of urban scenes aims to classify scenes composed of many different types of objects into predefined semantic classes. To learn the association between urban scenes and semantic classes, five tasks are needed: 1) segmenting the image into scenes; 2) establishing semantic classes of scenes; 3) extracting and transforming features; 4) measuring the intrascenes feature similarity; and 5) labeling each scene by a semantic classification method. Despite many efforts on these tasks, most existing works consider only visual features with inconsistent similarity measurement, while ignore semantic features inside scenes and the interactions between scenes, leading to poor classification results for high heterogeneous scenes. To solve these problems, this study combines intrascene feature similarity and interscene semantic dependency to form a two-step classification approach. For the first step, visual and semantic features are first optimized to be invariant to affine transformation, and then are employed in K-Nearest Neighbor to initially classify scenes. For the second step, multinomial distribution is presented to model both the spatial and semantic dependency between scenes, and then used to improve the initial classification results. The implementations conducted in two study areas indicate that the proposed approach produces better results for heterogeneous scenes than visual interpretation, as it can discover and model the hidden information between scenes which is often ignored by existing methods. In addition, compared with the initial classification, the optimized step improves accuracies by 3.6% and 5% in the two study areas, respectively.
    Index Terms: High-dimensional features fusion | multinomial distribution | scene classification.


    چکیده فارسی:

    هدف کلاس بندی معنایی صحنه‌های شهری، طبقه بندی کردن صحنه‌هایی است که از انواع مختلفی از اشیاء که کلاس آن ها قبلا مشخص شده‌ است، تشکیل شده‌اند. برای یادگیری رابطه بین صحنه‌های شهری و کلاس‌های معنایی، پنج وظیفه مورد نیاز است: 1) بخش‌بندی تصاویر به صحنه‌ها؛ 2) ایجاد کلاس‌های معنایی صحنه‌ها؛ 3) استخراج و تبدیل صحنه‌ها؛ 4) اندازه‌گیری شباهت ویژگی میان صحنه‌‌ها؛ و 5) برچسب‌زنی هر صحنه با یک روش کلای‌بندی معنایی. علیرغم تلاش‌های زیادی که بر روی این وظایف صورت گرفته است، اکثر کارهای موجود تنها ویژگی‌های بصری با معیار شباهت متناقض را در نظر می‌گیرند، در حالیکه چشم‌پوشی از ویژگی معنایی دروم صحنه‌ها و تعاملات بین صحنه‌ها، منجر به نتایج کلاس بندی ضعیفی برای صحنه‌هایی با ناهمگونی بالا می شود. برای حل این مسائل، این تحقیق شباهت ویژگی میان صحنه‌ای را با وابستگی معنایی میان‌ صحنه‌ای ترکیب می کند تا یک رویکرد کلاس‌بندی دو مرحله‌ای ایجاد کند. برای مرحله اول، ابتدا ویژگی‌های بصری و معنایی به منظور تبدیل به مقدار ثابت بهینه شده و سپس به منظور کلاس‌بندی اولیه‌ی صحنه‌ها در k-نزدیکترین همسایه، بکار گرفته می شوند. برای مرحله دوم، توزیع چندجمله‌ای برای مدلسازی هر دو مورد وابستگی فضایی و معنایی بین صحنه‌ها ارائه شده، و سپس به منظور بهبود نتایج کلاس‌بندی اولیه مورد استفاده قرار می‌گیرند. پیاده‌سازی‌های انجام شده در دو حوزه تحقیقاتی حاکی از آن هستند که رویکرد پیشنهاد شده نسبت به تفسیر بصری، نتایج بهتری را برای صحنه‌های ناهمگون تولید می‌کند، چراکه آن می‌تواند اطلاعات مخفی بین صحنه‌ها را که معمولا روش‌های موجود از آن چشم‌پوشی می‌کنند، کشف کرده و مدل می‌کند. بعلاوه، در مقایسه با کلاس‌بندی اولیه، مرحله بهینه شده دقت را دو دو حوزه تحقیقاتی، بترتیب به اندازه 3.6% و 5% بهبود می‌بخشد.
    کلمات کلیدی: ترکیب ویژگی‌هایی با ابعاد بالا | توزیع چند‌جمله‌ای | کلاس‌بندی صحنه.


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 32

    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: 1576 کیلوبایت


    قیمت: 36000 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: 7036 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 7036 :::::::: افراد آنلاین: 56