CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

همجوشی شبکه های ژرف چند ماهیتی برای بازشناسی کنش با داده RGB-D برای اولین کنفرانس ملی انفورماتیک ایران

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۶ | نظرات: ۰
سال انتشار: ۱۳۹۸
کد COI مقاله: NICC01_019
زبان مقاله: فارسی
حجم فایل: ۳۸۸.۳۴ کیلوبایت (فایل این مقاله در ۶ 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 ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله همجوشی شبکه های ژرف چند ماهیتی برای بازشناسی کنش با داده RGB-D برای اولین کنفرانس ملی انفورماتیک ایران

  مریم اسدی - پژوهشگر پسادکترا، پژوهشکده علوم کامپیوتر، پژوهشگاه دانشهای بنیادی، تهران،
  شهره کسائی - استاد، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران،

چکیده مقاله:

هدف بازشناسی کنش، برچسب گذاری کنش انسان در یک ویدئو است. این زمینه ی تحقیقاتی کاربردهای فراوانی در تعامل انسان با کامپیوتر، روباتیک، و مراقبت های پزشکی دارد. در چند سال اخیر، همانند دیگر زمینه های پژوهشی بینایی کامپیوتری، شبکه های ژرف به افزایش دقت در بازشناسی کنش کمک نموده اند. با ظهور دوربین های اندازه گیر ژرفا ، که اطلاعات سه بعدی هندسی از محیط را فراهم می کنند، توجه بیشتری به این زمینه ی پژوهشی شده ا ست. با در د ست دا شتن دنباله ای از تصاویر رنگی و ژرفا می توان بردارهای جریان نوری و جریان صحنه را محاسبه نمود. در این مقاله، هدف مقایسه میزان قدرت تمایزی این ماهیت های مختلف به عنوان ورودی شبکه های ژرف است. همچنین نتایج انواع هم جوشی ماهیت های متفاوت برر سی شده ا ست. روش پیشنهادی بر روی پایگاه داده Montalbano II ارزیابی شده است.

کلیدواژه‌ها:

بازشنا سی کنش، یادگیری ژرف، تصاویر ژرفا، همجوشی چند ماهیتی، بردار جریان نوری، بردار جریان حرکتی.

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-NICC01-NICC01_019.html
کد COI مقاله: NICC01_019

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:
اسدی, مریم و شهره کسائی، ۱۳۹۸، همجوشی شبکه های ژرف چند ماهیتی برای بازشناسی کنش با داده RGB-D برای اولین کنفرانس ملی انفورماتیک ایران، کنفرانس ملی انفورماتیک ایران، تهران، پژوهشگاه دانش های بنیادی - انجمن انفورماتیک ایران، https://www.civilica.com/Paper-NICC01-NICC01_019.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: (اسدی, مریم و شهره کسائی، ۱۳۹۸)
برای بار دوم به بعد: (اسدی و کسائی، 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: پژوهشگاه دولتی
تعداد مقالات: ۹۹
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 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.