Improving augmented reality with the help of deep learning methods in the tourism industry
محل انتشار: فصلنامه ریاضی و علوم محاسباتی، دوره: 4، شماره: 2
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 144
فایل این مقاله در 13 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_JMCS-4-2_006
تاریخ نمایه سازی: 14 آبان 1402
چکیده مقاله:
From an economic point of view, the tourism industry has a special place. Especially in the single-product economy of Iran, it can be used as the best and most optimal alternative to oil. Augmented reality technology is one of the world's newest and most up-to-date applied technologies, highly regarded today. This research focuses on augmented reality and its patterns. This research aims to investigate and develop a practical pattern identification of augmented reality (ar) and its tracking in the tourism industry. Designs are provided by capturing the position and orientation of the device and its location using sensors and Computer vision with screen technology (augmented reality guide). A guide is designed, implemented, and evaluated as an augmented reality application on a mobile phone. The proposed solution has been using deep learning in marker identification. The deep learning architecture used is Yolo, and the proposed method's marker identification results have an accuracy of ۶۸.۷۳ maps
کلیدواژه ها:
نویسندگان
Mehdi Jabbari
Department of computer engineering, Qom university of technology, Qom, Iran
Maryam Amini
Student, Department of computer science, Islamic Azad University, Naragh Branch, Iran
Hossein Malekinezhad
Faculty member, Department of computer science, Islamic Azad University, Naragh Branch, Iran
Zeynab Berahmand
Department of Industrial Engineering, University of Qom, Qom, Iran
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 :