دانلود مقاله انگلیسی رایگان:تجسم ها به عنوان بازنمایی های میانی (VLAIR): رویکردی برای به کارگیری بینایی کامپیوتری مبتنی بر یادگیری عمیق برای داده های غیر مبتنی بر تصویر - 2022
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • VisuaLizations As Intermediate Representations (VLAIR): An approach for applying deep learning-based computer vision to non-image-based data VisuaLizations As Intermediate Representations (VLAIR): An approach for applying deep learning-based computer vision to non-image-based data
    VisuaLizations As Intermediate Representations (VLAIR): An approach for applying deep learning-based computer vision to non-image-based data

    دسته بندی:

    بینایی ماشین - Machine vision


    سال انتشار:

    2022


    عنوان انگلیسی مقاله:

    VisuaLizations As Intermediate Representations (VLAIR): An approach for applying deep learning-based computer vision to non-image-based data


    ترجمه فارسی عنوان مقاله:

    تجسم ها به عنوان بازنمایی های میانی (VLAIR): رویکردی برای به کارگیری بینایی کامپیوتری مبتنی بر یادگیری عمیق برای داده های غیر مبتنی بر تصویر


    منبع:

    ScienceDirect- Elsevier- Visual Informatics, 6 (2022) 35-50: doi:10:1016/j:visinf:2022:05:001


    نویسنده:

    None


    چکیده انگلیسی:

    Deep learning algorithms increasingly support automated systems in areas such as human activity recognition and purchase recommendation. We identify a current trend in which data is transformed first into abstract visualizations and then processed by a computer vision deep learning pipeline. We call this VisuaLization As Intermediate Representation (VLAIR) and believe that it can be instrumental to support accurate recognition in a number of fields while also enhancing humans’ ability to interpret deep learning models for debugging purposes or for personal use. In this paper we describe the potential advantages of this approach and explore various visualization mappings and deep learning architectures. We evaluate several VLAIR alternatives for a specific problem (human activity recognition in an apartment) and show that VLAIR attains classification accuracy above classical machine learning algorithms and several other non-image-based deep learning algorithms with several data representations.
    keywords: تجسم اطلاعات | شبکه های عصبی کانولوشنال | تشخیص فعالیت های انسانی | خانه های هوشمند | بازنمایی داده ها | نمایندگی های میانی | تفسیر پذیری | یادگیری ماشین | یادگیری عمیق | Information visualization | Convolutional neural networks | Human activity recognition | Smart homes | Data representation | Intermediate representations | Interpretability | Machine learning | Deep learning


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 16
    حجم فایل: 3003 کیلوبایت

    قیمت: رایگان


    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: 735 :::::::: بازدید دیروز: 9785 :::::::: بازدید کل: 24653 :::::::: افراد آنلاین: 13