ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

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

تشخیص برجستگی عمومی تصویر با استفاده همزمان از ویژگی های سطح پایین و سطح بالا

سال انتشار: 1393
کد COI مقاله: KMTTORBAT01_046
زبان مقاله: فارسیمشاهده این مقاله: 1,139
فایل این مقاله در 7 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 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص برجستگی عمومی تصویر با استفاده همزمان از ویژگی های سطح پایین و سطح بالا

شیما فولاد - گروه مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان
علی مالکی - عضو هیئت علمی، گروه مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان

چکیده مقاله:

توجه بصری، فرایندی است که سیستم های بیولوژیکی را قادر می سازد تا نواحی مورد توجه را از صحنه انتخاب کنند. مدلسازی توجهبصری، کاربردهای مهندسی فراوانی در زمینه بینایی ماشین دارد که در اصطلاح تشخیص برجستگی نامیده میشود. اکثر مدلهای توجه بصریمبتنی بر توجه پایین به بالا هستند و برای تشخیص برجستگی از ویژگی های سطح پایین استفاده می کنند. مدلهای بالا به پایین ارائه شده درپژوهشهای پیشین نیز اغلب محدود به پیدا کردن نواحی هدف خاص (تشخیص برجستگی اختصاصی) هستند. در این مقاله، یک مدل توجه بصریارائه گردیده است که شامل دو قسمت: توجه بالا به پایین و توجه پایین به بالا است. توجه بالا به پایین مورد استفاده در این مقاله، مبتنی بر نواحیهدف عام است و ویژگیهای سطح پایین و سطح بالا را برای طبقه بندی کننده با سرپرست AdaBoost به کار می برد. توجه پایین به بالا در این مدل، براساس رنگ پسزمینه، نواحی مورد توجه را تشخیص میدهد. در نهایت، دو نقشه برجستگی ایجاد شده از توجه بالا به پایین و پایین به بالا با یکدیگر تلفیق می شوند. پیاده سازی روش پیشنهادی روی پایگاه داده MSRA-1000 انجام گردیده است و تعیین معیار کمی F-measure و معیار کیفی منحنی precision-recall حاکی از کارآیی مناسب روش پیشنهادی است.

کلیدواژه ها:

تشخیص برجستگی ، ویژگیهای سطح پایین و سطح بالا ، مبتنی بر نواحی هدف عام ، توجه پایین به بالا ، توجه بالا به پایین

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا KMTTORBAT01_046 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/359064/

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:
فولاد، شیما و مالکی، علی،1393،تشخیص برجستگی عمومی تصویر با استفاده همزمان از ویژگی های سطح پایین و سطح بالا،اولین همایش ملی فناوری و مدیریت دانش با محوریت اقتصاد مقاومتی،تربت حیدریه،https://civilica.com/doc/359064

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: (1393، فولاد، شیما؛ علی مالکی)
برای بار دوم به بعد: (1393، فولاد؛ مالکی)
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 مقاله لینک شده اند :

  • U. Rutishauser, D. Walther, C. Koch, and P. Perona, "Is ...
  • C. Christopoulos, A. Skodras, A. Koike, and T. Ebrahimi, "The ...
  • of on-line learning and an application to boosting, " Journal ...
  • attention model and its application in video summarization, " IEEE ...
  • O. Le Meur and P Le Callet, "What we see ...
  • L. Itti, C. Koch, and E. Niebur, "A Model of ...
  • on background color feature", 3rd congress _ basic and clinical ...
  • _ _ _ Neur، al Information Processing Systems (NIPS), pp. ...
  • R. Achanta, S. Hemami, F. Estrada, and S. Susstrunk, "Frequency- ...
  • _ _ _ Using Low-Level Features Based on Wavelet Transform", ...
  • E. Erdem, and A. Erdem, "Visual saliency estimation by nonlinearly ...
  • _ _ _ processing letters, vol 20, _ 7, pp. ...
  • _ _ _ _ 997-999, 2014. ...
  • _ _ _ _ conference on pattern recognition, 2010. ...
  • A. Borji, M.N. Ahmadabadi, and B.N. Araabi, "Cost-Sensitive Learning of ...
  • R. Achanta, K. Smith, A. Lucchi, P. Fua, and S. ...
  • M. Haghighat, S. Zonouz, M Abdel-Mottaleo "Identification ...
  • P. Felzenszwalb, R. Girshick, D. McAllester, D. Ramanan. "Object detection ...
  • X. Shen and Y. Wu, "A unified approach to salient ...
  • Y. Freund and R.E Schapire, _ deci sion-theoretic generalization ...
  • _ _ _ Recognition (CVPR), pp. 438-445, 2012. ...
  • neuroscience (BCNC), Tehran, Iran, October, pp. 143-144, 2014 [24] R. ...
  • X. Hou, and L. Zhang, "Saliency Detection: A Spectral Residual ...
  • 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.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 9,092
    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

    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