تشخیص مته در تصاویر با استفاده از لغت نامه های افتراقی
محل انتشار: سومین کنفرانس ملی و اولین کنفرانس بین المللی پژوهش هایی کاربردی در مهندسی برق، مکانیک و مکاترونیک
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 373
فایل این مقاله در 8 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:
ELEMECHCONF03_0420
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
متن موجود در تصاویر، غالباً حاوی اطلاعات مهمی است و از این رو تشخیص متن و بازیابی متون از عکس های دیجیتال، پایگا داده های ویدئویی و صفحات وب، اهمیت دارد. وقتی که متن در یک پس زمینه ی پیچیده قرار گرفته باشد، تشخیص متن با چالش بسیاری روبروست. در این مقاله، ما یک الگوریتم مبتنی بر طبقه بندی را برای تشخیص متن در زمینه های پیچیده با استفاده از لغت نامه های افتراقی، پیشنهاد می کنیم و سپس با استناد به نتایج کار بیان خواهیم کرد که چگونه نتایج بهتری را بدست آوردیم. طبقه بند ماشین بردار پشتیبان و شبکه عصبی پرسپترون چند لایه را بدین منظور مورد مطالعه قرار می دهیم و از تبدیل موجک تصاویر بهره می بریم. الگوریتم پیشنهادی خود را بر روی 30 تصویر آزمایش نموده و درصد فراخوانی 77/27% و دقت 73/83% حاصل شد.
کلیدواژه ها:
نویسندگان
میترا عبداللهی
کارشناس ارشد مهندسی برق گرایش الکترونیک- سیستم
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 :