پردازش تصویر با استفاده از کدگذاری تنک و طبقه بندی انطباقی
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 335
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TJEE-50-4_022
تاریخ نمایه سازی: 9 خرداد 1400
چکیده مقاله:
: به دلیل افزایش حجم تصاویر تولیدشده توسط دوربین ها و دستگاه های مختلف، پردازش تصویر در بسیاری از کاربردها ازجمله پزشکی، امنیتی و رانندگی اهمیت و جایگاه بالایی یافته است. بااین حال بیشتر مدل های ایجادشده در حوزه پردازش تصویر کارایی چندانی نداشته و میزان خطای آن ها در برخی کاربردها تاثیرگذار است. علت اصلی ناکامی بیشتر مدل های ساخته شده، اختلاف توزیع بین داده های آموزشی (دامنه منبع) و داده های تست (دامنه هدف) می باشد. درواقع، مدل ساخته شده، قابلیت تعمیم دهی به داده هایی با خصوصیات و توزیع های متفاوت از داده های آموزشی را ندارد، به همین دلیل در مواجهه با داده های جدید دچار افت شدیدی می شود. در این مقاله ما یک روش جدید با نام کدگذاری تنک و طبقه بندی انطباقی (SADA) پیشنهاد می دهیم که یک مدل پردازش تصویری ایجاد می کند که در مقابل تغییرات داده ای مقاوم می باشد. مدل پیشنهادی با ایجاد یک زیر فضای مشترک بین دامنه های منبع و هدف اختلاف توزیع آن ها را به حداقل رسانده و موجب بهبود کارایی می شود. همچنین SADA با انتخاب نمونه هایی از دامنه منبع که با دامنه هدف مرتبط می باشند اختلاف توزیع بین دامنه ها را کاهش می دهد. علاوه بر آن، SADA با تطبیق پارامترهای مدل ایجادشده، یک مدل تطبیق پذیر برای مواجهه با شیفت داده ها ایجاد می کند. نتایج به دست آمده از آزمایش های متنوع، نشان می دهد که روش پیشنهادی ما، برتری قابل ملاحظه ای نسبت به تمام روش های تطبیق دامنه جدید دارد.
کلیدواژه ها:
نویسندگان
فریماه شرافتی
دانشکده مهندسی فناوری اطلاعات و کامپیوتر- دانشگاه صنعتی ارومیه
جعفر طهمورث نژاد
دانشکده مهندسی فناوری اطلاعات و کامپیوتر- دانشگاه صنعتی ارومیه
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 :