دانلود و نمایش مقالات مرتبط با Binary codes::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2
نتیجه جستجو - Binary codes

تعداد مقالات یافته شده: 3
ردیف عنوان نوع
1 Jointly learning compact multi-view hash codes for few-shot FKP recognition
کدهای هش چند نمایه ای فشرده یاگیری پیوسته برای تشخیص چند شاتی FKP-2021
As a relatively new biometric trait, Finger-Knuckle-Print (FKP) plays a vital role in establishing a personal authentication system in modern society due to its rich discriminative features, low time cost in image capture and user-friendliness. However, most existing KFP descriptors are hand-crafted and fail to work well with limited training samples. In this paper, we propose a feature learning method for few-shot FKP recognition by jointly learning compact multi-view hash codes (JLCMHC) of a FKP image. We first form the multi-view data vectors (MVDV) to exploit the multiple feature-specific information from a FKP image. Then, we learn a feature projection to encode the MVDV into compact binary codes in an unsupervised manner, where 1) the variance of the learned feature codes on each view is maximized and 2) the difference of the inter-view binary codes is enlarged, so that the redundant information in MVDV is reduced and more informative features can be obtained. Lastly, we pool the binary codes into block-wise statistics features as the final descriptor for FKP representation and recognition. Experimental results on the existing benchmark FKP databases clearly show that the JLCMHC method outperforms the state-of-the-art FKP descriptors.© 2021 Elsevier Ltd. All rights reserved.
Keywords: FKP biometrics | Multi-view features jointly learning | Few-show learning | Compact FKP descriptor
مقاله انگلیسی
2 Retrieval performance analysis of multibiometric database using optimized multidimensional spectral hashing based indexing
تجزیه و تحلیل عملکرد بازیابی پایگاه داده چند سنجی با استفاده از نمایه سازی بهینه سازی طیفی چند بعدی بهینه سازی شده-2021
Demand for efficient retrieval of data from biometric databases is increasing due to its widespread authentication applications that range from e-passport to attendance system. Major research contribution in this area is by using tree based indexing methods and data independent random hashing methods. In this work, the data dependent hashing technique using optimized multidimensional spectral hashing that uses hash table lookup is employed. Palmprint, Iris and Face biometric features are generated using GIST, optimized features are fused based on bio-inspired cuckoo search algorithm and then converted into binary hash code. The compact binary codes representing the fused features form the multibiometric database on which the retrieval performance is analyzed. Simulation results obtained indicate that the hit rate and penetration rate have improved considerably for the desired recognition accuracy.© 2018 The Authors. Production and hosting by Elsevier B.V. on behalf of King Saud University. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Keywords: Biometrics | Retrieval | Cuckoo search | Fusion | Hashing
مقاله انگلیسی
3 شبکه های هشینگ عمیق محدود شده دودویی برای بازیابی تصاویر بدون حاشیه نویسی
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 24
یادگیری کد های دودویی فشرده برای وظیفه بازیابی تصاویر با استفاده از شبکه های عصبی عمیق ، باعث شد است که تحقیقات توجهشان به این زمینه جلب شود. اما، تمرین شبکه های هشینگ عمقی برای این وظیفه چالش بر انگیز می باشد زیرا محدودیت های باینری بر روی این کد ها وجود دارد، این شبکه ها ویژگی حفظ شباهت را دارند و نیاز به حجم گسترده ای از تصاویر نام گذاری شده وجود دارد. بر اساس دانش ما، هیچ کدام از روش های تحقیقاتی تمام این چالش ها را به صورت کامل در یک قالب کاری یکنواخت بررسی نکرده است. در این کار، ما یک روش یادگیری نقطه به نقطه جدید را ارائه می کنیم که برای این وظیفه مورد استفاده قرار می گیرد. که در این روش، شبکه به صورتی تمرین داده می شود که بتواند کد های باینری را به صورت مستقیم از پیکسل های تصاویر به دست بیاورد بدون این که نیاز به تفسیر دستی تصاویر وجود داشته باشد. به صورت خاص، باری کار با محدودیت های باینری غیر روان، ما یک تابع هدررفت محدود جفتی را ارائه می کنیم که به صورت همزمان فاصله بین جفت های کد های ترکیبی را اندازه گیری کرده و خطای کمی سازی باینری را هم محاسبه می کند. برای تمرین دادن شبکه ها با تابع ضرر پیشنهاد شده، ما یک برنامه موثر را به عنوان الگوریتم یادگیری ارائه می کنیم. به علاوه، برای ایجاد کردن تصاویر تمرین مشابه یا غیر مشابه برای تمرین دادن شبکه، ما از مدل های سه بعدی بازسازی شده از تصاویر بدون نام برای تولید خودکار جفت تصاویر تمرینی به صورت گسترده، استفاده می کنیم. آزمایش های گسترده بر روی مجموعه داده های معیار بازیابی تصاویر، نشان داده است که این روش نسبت به جدید ترین روش های ارائه فشرده تصاویر در رابطه با مسئله بازیابی تصاویر، بهبود یافته است.
واژه‌های کلیدی: بازیابی تصویر | کدهای دودویی | آموزش | نمایشگرهای سه بعدی | تجزیه و تحلیل وظیفه | داده های آموزش | استخراج ویژگی
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi