Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

بهبود بخش بندی و برجستگی تصویر با استفاده از یادگیری چند نمونه ای

یازدهمین کنفرانس ملی و اولین کنفرانس بین‌المللی بینایی ماشین و پردازش تصویر ایران
سال انتشار: 1398
کد COI مقاله: ICMVIP11_016
زبان مقاله: فارسیمشاهده این مقاله: 359
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود بخش بندی و برجستگی تصویر با استفاده از یادگیری چند نمونه ای

امید محمدی - دانشگاه سمنان، دانشکده برق و کامپیوتر، سمنان، ایران
محمدجواد فدایی اسلام - دانشگاه سمنان، دانشکده برق و کامپیوتر، سمنان، ایران

چکیده مقاله:

روش های هم بخش بندی و هم برجستگی، در کنار این که می توانند به طور جداگانه به ترتیب اشیا مشترک و نواحی برجسته را استخراج کنند، این قابلیت را دارند به عنوان یک روش مستقل با هم تبادل اطلاعات کنند و برای بهبود یکدیگر مکمل هم باشند. در این مقاله سعی داریم با استفاده از روش یادگیری چندنمونه ای، دقت نتایج را نسبت به کارهای قبلی دراین زمینه، تا حد امکان بهبود دهیم. چالش هایی که در این کار بررسی می شود ابتدا پیچیدگی هایپس زمینه، شباهت پس زمینه و شی مشترک است که با روش بهینه - سازی در یادگیری چندنمونه ای برطرف می شود و سپس خروجی کار را نسبت به تغییرات متفاوت اندازه، روشنایی، چرخش و... با استفاده از استخراج ویژگی های عمیق بیمه می کنیم. برای استخراج ویژگی از شبکه های از پیش آموزش دیده استفاده می کنیم و ویژگی های سطح بالای آن را از لایه های انتهایی شبکه به کار می بریم. در انتها رویکردمان را در یک مسئله مینیمم سازی تابع انرژی هم بخش بندی روی یک گراف اعمال می کنیم. نتایج رویکرد پیشنهادی بر روی مجموعه داده استاندارد، برتری این روش نسبت به رویکردهای پیشین را نشان می دهد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICMVIP11_016 میباشد و 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://civilica.com/doc/1045155/

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:
محمدی، امید و فدایی اسلام، محمدجواد،1398،بهبود بخش بندی و برجستگی تصویر با استفاده از یادگیری چند نمونه ای،یازدهمین کنفرانس ملی و اولین کنفرانس بین‌المللی بینایی ماشین و پردازش تصویر ایران،قم،https://civilica.com/doc/1045155

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: (1398، محمدی، امید؛ محمدجواد فدایی اسلام)
برای بار دوم به بعد: (1398، محمدی؛ فدایی اسلام)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

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

نظرات خوانندگان

5.00
1 تعداد پژوهشگران نظر دهنده
5 1
4 0
3 0
2 0
1 0
نقد پژوهشگران در مورد مقاله بهبود بخش بندی و برجستگی تصویر با استفاده از یادگیری چند نمونه ای
علی رضایی (1399/06/27): این مقاله از نظر فنی بسیار پربار و پر محتوا می باشد با تشکر از محققان این پژوهش

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 9,657
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.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

طرح های پژوهشی مرتبط جدید

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.

پشتیبانی