ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Fast Color Straight Line Pattern Recognition in an Object Using High Speed Self Learning Devices

سال انتشار: 1400
کد COI مقاله: JR_IJE-34-5_015
زبان مقاله: انگلیسیمشاهد این مقاله: 11
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 Fast Color Straight Line Pattern Recognition in an Object Using High Speed Self Learning Devices

S. Rasiq - School of Technology and Applied Sciences, Mahatma Gandhi University Regional Centre, Edappally, Kochi, India
S. Krishnakumar - School of Technology and Applied Sciences, Mahatma Gandhi University Regional Centre, Edappally, Kochi, India

چکیده مقاله:

Most of the man-made objects are having some straight lines with colors. A very high-speed object recognition method using color straight line patterns is carried out using a novel self-learning device (RKD - Rasiq Krishnakumar Device). Instead of that Artificial Neural Networks (ANN), RKD based networks are used for different steps in this pattern classification. The color and straight-line features are extracted by using high-speed color segmentation and fast efficient straight-line segment extraction methods using the RKD based systems. The training and the testing algorithms of the pattern classification are using RKD-based processing. The fast color features extraction method uses an array of RKD-based devices and the fast efficient straight-line segment extraction method employs an array of processing elements and a main control unit. Some fusion devices are used for a straight line with colors features. The area of interest and the area of line segments of a particular object are other features for improving the accuracy of object classification.

کلیدواژه ها:

Rasiq Krishnakumar Algorithm, Rasiq Krishnakumar Device, Fast Object Recognition, Color Straight Line Pattern

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://civilica.com/doc/1193440/

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:
Rasiq, S. and Krishnakumar, S.,1400,Fast Color Straight Line Pattern Recognition in an Object Using High Speed Self Learning Devices,,,,,https://civilica.com/doc/1193440

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: (1400, Rasiq, S.؛ S. Krishnakumar)
برای بار دوم به بعد: (1400, Rasiq؛ Krishnakumar)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • Rasiq S.M and S. Krishnakumar, “A Fast-Efficient Multi Class Pattern ...
  • Rasiq S M, Jeevan K M and S Krishnakumar, “A ...
  • Rasiq S.M and S. Krishnakumar, “Parallel Processing Technique for Multiple ...
  • Sukanya C.M., Roopa Gokul, Vince paul, “A survey on object ...
  • D. Maturana and S. Scherer, "VoxNet: A 3D Convolutional Neural ...
  • M. Kim, J. H. Jung, J. U. Ko, H. B. ...
  • Li J, Chen BM, Lee GH, “So-net: Self-organizing network for ...
  • X. Guo, J. Wang, F. Liao and R. S. H. ...
  • Rasiq S.M., S.Krishnakumar, “Parallel Processing Technique for High Speed Object ...
  • Ling Chen and Hongjia Chen, “A fast efficient parallel Hough ...
  • C. Wang, M. Cheng, F. Sohel, M. Bennamoun, J. Li, ...
  • Lai K., Bo L., Ren X., Fox D., “ A ...
  • Girshick R., Donahue J., Darrell T., Malik J., “Rich Feature ...
  • Bo L., Ren X., Fox D., “Depth kernel descriptors for ...
  • Socher R., Huval B., Bhat B., Manning C.D., Ng A.Y., ...
  • Bo L., Ren X., Fox D., “Unsupervised Feature Learning for ...
  • Wang A., Cai J., Lu J., Cham T.J., “MMSS: Multi-modal ...
  • Eitel A., Springenberg J.T., Spinello L., Riedmiller M., Burgard W., ...
  • Cheng Y., Cai R., Zhao X., Huang K., “Convolutional Fisher ...
  • Rahman M.M., Tan Y., Xue J., Lu K., “ RGB-D ...
  • Zia S., Yüksel B., Yüret D., Yemez Y., “RGB-D Object ...
  • Zeng H, Yang B, Wang X, Liu J, Fu D., ...
  • J. Wu, C. Leng, Y. Wang, Q. Hu and J. ...
  • 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.

    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