نام کاربري رمز عبور

    فراموشي رمز عبور | ثبت نام | راهنماي ثبت نام | راهنماي کاربران | پشتيباني کاربران

ISSN 1735-5540

English Pages

20 مهر 1387

 

 

 

لينك‌ها

[ گزارش اشكال در مقاله | بازگشت | جستجو | ليست كنفرانس‌ها ]

اطلاعات مقاله

[ اعتبار مورد نياز: 1 | تعداد صفحات: 6 | 92 بار مشاهده چكيده | 0 بار دريافت متن كامل ]

عنوان مقاله: Boosting S U Component Classifier applied for Face Localization
سرفصل مربوط: مخابرات / Communication
سال انتشار: 1386
نوع ارايه:
محل انتشار: [ پانزدهيمن كنفرانس مهندسي برق ايران ]
زبان مقاله: انگليسي حجم فايل: 813.94 كيلوبايت

نمايش خلاصه مقاله

لطفا اگر نقد و نظری درباره این مقاله دارید آن را درج کنید: [ نوشتن نقد بر اين مقاله ]

Boosting S U Component Classifier applied for Face Localization  Fulltext 

نويسنده‌گان:

[ Seyyed Majid valiollahzadeh ] - Electrical Engineering Department, Amirkabir University of Technology, Tehran, Iran
[ Abolghasem Sayadiyan ] - Electrical Engineering Department, Amirkabir University of Technology, Tehran, Iran
[ Mohammad Nazari ] - Electrical Engineering Department, Amirkabir University of Technology, Tehran, Iran

خلاصه مقاله:

Boosting is a general methodfor improving the accuracy of any given learning algorithm. In this pctper we employ combination of Adaboost with Support Vector Machine (SVM) as component classffiers to be used in Face Detection Task Proposed combination outperforms in generalization in comparison with SVM on imbalanced classification problem. The proposed here method is compared, in terms of classification accuracy, to other commonly used Adaboost methods, such as Decision Trees and Neural Networks, on CMU+MIT face database. Results indicate that the
performance ofthe proposed method is overall superior to previotu adaboost approaches.


كلمات كليدي:

Face Detection, Cascaded Classifiers, Adaboost, Support Vector Machine (SVM).


[ لينک دايمي به اين صفحه: http://www.civilica.com/Paper-ICEE15-ICEE15_158.html ]

نمايش صفحه قابل چاپ خلاصه مقاله معرفي مقاله به ديگران
راهنمایی دریافت اصل مقاله

اصل مقالات براي کاربران عضو سايت با بیش از 60 درصد تخفيف ارائه مي شوند. عضويت در سيويليکا ساده و سريع است. براي عضويت به بخش عضويت در سيويليکا مراجعه نماييد.

در صورتي که عضو نيستيد و ميخواهيد اصل مقاله را خريداري نماييد از بخش خريد اصل مقاله استفاده نماييد.

قبل از اقدام به دريافت يا خريد مقاله، به تعداد صفحات آن که در بالا درج شده است توجه نماييد.

براي راهنمايي کاملتر راهنماي سايت را مطالعه کنيد.

دريافت اصل مقاله (ویژه اعضا)

شما به صورت کاربر وارد سايت نشده ايد. پس از ورود به سايت با شناسه و رمز عبور خود، لينک دريافت مقاله در اين بخش نمايش داده مي شود.

 

نام کاربري

رمز عبور

رمز عبور را فراموش کرده ايد؟

خرید اصل مقاله

کاربران غير عضو، مي توانند با استفاده از پرداخت اينترنتي، بلافاصله اصل اين مقاله را خريداري نمايند. مقالات سيويليکا براي اعضا با بیش از 60 درصد تخفيف ارائه مي شوند.


قيمت اين مقاله : 10,000 ريال


ايميلي محتوي لينک فايل درخواستي شما به آدرسي که در زير درج مي‌نماييد ارسال مي‌شود. لطفا در تکميل آدرس ايميل خود نهايت دقت را داشته باشيد.


آدرس ايميل:

رفتن به مرحله بعد:

قابلیت پرداخت حق عضویت از هر کجای ایران از طریق حساب جام بانک ملت سیویلیکا عضو مجمع ناشران الکترونیک ایران و تحت حمایت قوانین ناشران الکترونیک می باشد سیویلیکا ثبت شده در کتابخانه ملی جمهوری اسلامی ایران تحت شماره ISSN 1735-5540 سیویلیکا، برگزیده جشنواره رسانه های دیجیتال کشور طرف قرارداد با سامانه پرداخت الکترونیک بانک سامان به منظور پذیرش کلیه کارتهای شتاب عضو سازمان نظام صنفی کشور وتحت حمایت قوانین این سازمان مجهز به سیستم ارسال خودکار SMS و اطلاع رسانی به کاربران قابلیت عضویت با استفاده از کارتهای عضویت سیویلیکا. کنفرانسها می توانند این کارتها را به جای سی دی کنفرانس در اختیار شرکت کنندگان قرار دهند.

سایر مجموعه ها: بانک پروژه ها و تحقیقات دانشجویی | بانک اطلاعاتی شرکتهای عمرانی | بنانیوز

دفتر مرکزی: تهران، خیابان کارگر شمالی، بالاتر از پمپ بنزین امیرآباد، کوچه زمرد، شماره 22، طبقه دوم. تلفن: 88008044 - نمابر: 88335451 | نمایندگیها
مدیریت پروژه