حاشیه نویسی تصاویرموجوددروب به روش خودکار

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,039

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PNUNCIT01_186

تاریخ نمایه سازی: 20 اردیبهشت 1392

چکیده مقاله:

هدف وب معنایی ایجاد وب به عنوان رسانه ای برای ردوبدل کردن اطلاعات بصورتی است که مستندات وب همانگونه که برای انسان قابل درک است برای ماشین ها نیز قابل فهم باشد برای نیل به این هدف ازحاشیه نویسی وب معنایی به عنوان ابزاری برای از بین بردن شکاف معنایی بین مفاهیم سطح بالا و ویژگیهای سطح پایین مستندات وب استفاده میشود این تحقیق تصاویر موجود دروب را بطور خودکار ازطریق ویژگیهای سطح پایین MPEG-7 تصویر به عنوان ورودی سیستم یادگیری ماشین بطور معنایی حاشیه نویسی می کند دراین تحقیق ازابزارهای ماشین بردار پشتیبان و شبکه عصبی جهت یادگیری ماشین استفاده شده است هدف ازانجام این تحقیق تشخیص ویژگیهای سطح پایین مناسب و تشخیص ابزار مناسب یادگیری ماشین جهت طبقه بندی تصاویر وب می باشد. زمانی که طبقه بندی تصاویر به دو گروه معنایی مناظر طبیعی و شهری ازتوصیفگر Edge Histogram و تابع RBF به عنوان پارامتر ماشین یادگیری بردار پشتیبان استفاده کردیم و به میزانطبقه بندی 89درصد دست یافتیم

نویسندگان

طیبه زارعی

دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوزستان

رضا جاویدان

دانشگاه آزاد اسلامی فارس بیضا

ماشاالله عباسی دزفولی

عضوهیئت علمی دانشگاه علوم و تحقیقات خوزستان

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 :
  • "فناوری اطلاعات و شبکه های کامپیوتری دانشگاه پیام نور" دانشگاه ...
  • Y .Liu, D .Zhang _ G .Lu _ A survey ...
  • M .S .Lew , N . Sebe , C _ ...
  • _ omputing, C ommunicati ons an dApplications2 (1) (2006) 1-19. ...
  • N.Vasconcelo s, From pixels to semantic spaces: advances in content-based ...
  • R. Datta, D , Joshi , J. Li , J. ...
  • influences and trends o th enewage, ACM Computing Surveys 40 ...
  • A.W.M. S meulders , M.Worring, S , Santini, A. Gupta, ...
  • Y.Rui, T. S .Huang, S .F.Chang, Jmage ...
  • _ _ _ : asurvey _ _ do We Engineering ...
  • A. K. Jain, A. Vailaya, Image retrieval using colour and ...
  • N.Vasconcelos, Minimum probability of error image retrieval , IEEE Transactions ...
  • N.Rasiwasia, N. Vasconcelos _ P _ J.Moreno, Query by semantic ...
  • R.Mare' e, M.Dumont , P. Geurts, L. Wehenkel , Random ...
  • Computational Biology, 2007 ...
  • Vi deoDatab ases, .January 1 998. ...
  • Y _ Mori, H .Takahashi, R. Oka, Image-to- word transformation ...
  • C .P.Town, D. S inclair, C ontent-Based image retrieval using ...
  • classification for content-based indexing , IEEE Transactions onImage Processing 10 ...
  • نمایش کامل مراجع