CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

جست و جوگر تصویری هوشمند کالا مبتنی بر یادگیری عمیق

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۲۶ | نظرات: ۰
سال انتشار: ۱۳۹۸
کد COI مقاله: NCES02_013
زبان مقاله: فارسی
حجم فایل: ۹۳۹.۷۳ کیلوبایت (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله جست و جوگر تصویری هوشمند کالا مبتنی بر یادگیری عمیق

  اسماعیل نورانی - استادیار گروه مهندسی فناوری اطلاعات، دانشکده فناوری اطلاعات و مهندسی کامپیوتر، دانشگاه شهید مدنی آذربایجان – تبریز – ایران
  جلیل قویدل - گروه مهندسی فناوری اطلاعات، دانشکده فناوری اطلاعات و مهندسی کامپیوتر، دانشگاه شهید مدنی آذربایجان – تبریز – ایران
  شهریار رزقی - دانشجوی رشته مهندسی کامپیوتر، دانشکده فناوری اطلاعات و مهندسی کامپیوتر، دانشگاه شهید مدنی آذربایجان – تبریز – ایران
  میلاد رهبری - دانشجوی رشته مهندسی کامپیوتر، دانشکده فناوری اطلاعات و مهندسی کامپیوتر، دانشگاه شهید مدنی آذربایجان – تبریز – ایران

چکیده مقاله:

بازیابی تصویر یکی از کاربردهای تجاری، چالش برانگیز و اساسی تکنیک های بینایی ماشین است. همچنین یافتن و خریدن کالا با استفاده از تصویر آن، یکی از کاربردهای مهم بازیابی تصویر است. در این مقاله یک موتور جستجوی تصویر کامل ارائه شده است، که قادر است با دریافت تصویر محصول، آدرس محل خرید اینترنتی آن ارائه کند. روش مذکور از شبکه های عصبی کانولوشنی با تابع هزینه سه تایی برای تولید ویژگی های کارا برای جستجوی تصاویر اجناس بهره می برد. با توجه به کارایی روش استخراج ویژگی مورد استفاده، یک دسته بند ساده 1-NN برای یافتن نزدیک ترین تصاویر به تصویر ورودی استفاده شده است. به منظور شروع کار، آموزش و تجاری سازی روش پیشنهادی مجموعه داده معروف Deep Fashion مورد استفاده قرار گرفته است. این مجموعه داده شامل بیش از 800 هزار تصویر از طیف وسیعی از تصاویر مربوط به پوشاک با شرایط عکاسی طبیعی و آتلیه ای است. نتایج پیاده سازی روش پیشنهادی در ششمین نمایشگاه نوآوری و فناوری ربع رشیدی تبریز عرضه گردید و با استقبال کاربران و فروشگاه های اینترنتی مواجه شد. تا جایی که ما مطلع هستیم این محصول، اولین موتور جستجوی اجناس تصویری در ایران است

کلیدواژه‌ها:

شبکه های عصبی کانولوشنی، بازیابی تصویر، یادگیری عمیق، تابع هزینه سه تایی، فروشگاه اینترنتی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCES02-NCES02_013.html
کد COI مقاله: NCES02_013

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
نورانی, اسماعیل؛ جلیل قویدل؛ شهریار رزقی و میلاد رهبری، ۱۳۹۸، جست و جوگر تصویری هوشمند کالا مبتنی بر یادگیری عمیق، همایش ملی کارآفرینی در بستر فناوری اطلاعات، بابلسر، دانشگاه مازندران، https://www.civilica.com/Paper-NCES02-NCES02_013.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (نورانی, اسماعیل؛ جلیل قویدل؛ شهریار رزقی و میلاد رهبری، ۱۳۹۸)
برای بار دوم به بعد: (نورانی؛ قویدل؛ رزقی و رهبری، ۱۳۹۸)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۲۲۳۶
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.