روشی مبتنی بر HOG جهت افزایش دقت و سرعت دسته بندی اشیاء در تصاویر
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 859
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCONF03_436
تاریخ نمایه سازی: 12 تیر 1395
چکیده مقاله:
در سالهای اخیر شناسایی اشیا به یک مسئله مهم و اساسی در تحقیقات بینایی ماشین بدل گردیده است بگونه ایکه استفاده از توصیفگری تصویر د ر سالهای اخیر رشد چشمگیری داشته امیدهای را در زمینه بینایی ماشین برای داشتن سیستمهای قدرتمند گسترده و متفاوت ایجاد کرده است در این پژوهش روشی کارآمد و مبتنی بر HOG را جهت دسته بندی اشیا معرفی نموده ایم که بااستخراج ویژگی های مناسب تر علاوه بر افزایش دقت دسته بندی را کاهش می دهد. در این پژوهش هیستوگرام بردار ویژگی با استفاده از مشتقات مراتب بالاتر و ترکیب آنها بدست آمد سپس بردار ویژگی توسط LDA کاهش یافت ودرنهایت از الگوریتم دسته بندی KNN جهت طبقه بندی استفااده شد.نتایج این پژوهش نشان داد با بکار بردن مشتقات مراتب بالاتر ترکیب انها وکاهش ابعاد میتوان علاوه بر کاهش زمان دسته بندی دقت دسته بندی را افزایش داد
کلیدواژه ها:
استخراج ویژگی های ، هیستوگرام گرادیانهای جهت دار HOG تشخیص اشیاء کاهش ابعاد ، دسته بندی نزدیکترین همسایه hnn
نویسندگان
مژگان رسولیان کسرینه
گروه مهندسی کامپیوتر موسسه آموزش عالی طبری بابل ایران
حسام عمرانپور
گروه مهندسی برق وکامپیوتر دانشگاه صنعتی نوشیروان بابل ایارن
همایون موتمنی
گروه مهندسی کامپیوتر واحد ساری دانشگاه آزاد اسلامی ساری ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :