یک مدل سلسله مراتبی برای دستهبندی تصاویر طبیعی بر مبنای کاهش افزونگی
محل انتشار: هشتمین کنفرانس ماشین بینایی و پردازش تصویر ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 947
فایل این مقاله در 9 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:
ICMVIP08_030
تاریخ نمایه سازی: 9 بهمن 1392
چکیده مقاله:
در این مقاله که به ماری چند لایه برمبنای شبکههای کانولوشتی به منظور دستهبندی تصاویر طبیعی ارائه شده است. در این معماری از فیلترهایی به منظور استخراج ویژگی استفاده میشود که با استفاده از توزیعهای متقارن Lp - تودرتو و با هدف کاهش افزونگی در تصاویر طبیعی به دست آمدهاند. این توزیع ها ، مدلی ترمیم یافته از توزیع های متقارن کروی و Lp - کروی هستند که سینما موفقیت در زمینههای مدلسازی تصاویر طبیعی مورد استفاده قرار گرفتهاند. ما پر کردن این مدل به دادهها تنها نیازمند تخمین توزیع شعاعی تک متغیره است که به صورت کارآمد و مقام انجام پذیرایت. آزمایشهای متعددی بر روی پایگاه دادههای مختلفی متشکل از تصاویر طبیعی و غیرطبیعی و همچنین مجموعه دادههای 15 صحنه انجام شده است. نتایج این آزمایشها نشان میدهد که یادگیری این فیلتر ها به دلیل افزونگی موجود در تصاویر طبیعی، سریعتر و کارآمدتر از تصاویر غیرطبیعی صورت میپذیرد. نتایج دستهبندی روش ارائه شده در 10 دسته از کسانی که طبیعی نشان میدهد جلسه ارائه شده در دست مردی تصاویر طبیعی به خوبی عمل میکند.
کلیدواژه ها:
نوزیع های متقارن Lp - تودرتو ، مدل سازی تصاویر طبیعی ، کاهش افزونگی ، شبکههای کانولوشتی ، دسته بندی تصاویر طبیعی ، توصیههای متقارن کروی و Lp - کروی
نویسندگان
محمدحسین خضریان
دانشکده مهندسی کامپیوتر - دانشگاه صنعتی امیرکبیر
سعید شیری
دانشکده مهندسی کامپیوتر - دانشگاه صنعتی امیرکبیر
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 :