ارائه یک روش سریع و کارآمذ جهت تشخیص عمق در تصاویر مونوکولار

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 624

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCONF02_556

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

اکثر فعالیت های تحقیقاتی در زمینه تخمین نقشه عمق به بازسازی عمق از دو یا چند تصویر پرداخته اند. در تعداد محدودی از فعالیت ها، از یک تصویر برای بازسازی عمق استفاده شده است. در این مقاله که از یک تصویر برای تخمین عمق استفاده شده، ویژگی های مونوکولار از تصویر استخراج شده و عمق توسط رگرسیون درختی، آموزش داده می شود. ابتدا با بررسی طبقات مختلف ویژگی ها و تأثیرگذاری آنها، تعداد ویژگی ها را از 646 به 255 ویژگی کاهش داد، پس از آن، با استفاده از نتیجه آموزش، ویژگی های دارای اهمیت بیشتر را از بین این 255 ویژگی حفظ کرده و تعداد ویژگی ها و 76 کاهش می یابد. در مجموع، تعداد ویژگی ها، بدون اینکه خطایی تخمین عمق کاهش محسوسی پیدا کند، به اندازه 88.24% کل ویژگی ها کاهش می یابد و در نتیجه زمان پردازش کاهش می یابد.

کلیدواژه ها:

بازسازی سه بعدی ، بینایی مونوکولار ، تخمین عمق ، نشانه های مونوکولار عمق

نویسندگان

مائذه مهدی پور

دانشجوی کارشناسی ارشد، گروه مهندسی برق، دانشکده فنی، دانشگاه گیلان

رضا حسن زاده پاک رضایی

دانشیار، گروه مهندسی برق، دانشکده فنی، دانشگاه گیلان

اسدالله شاه بهرامی

دانشیار، گروه مهندسی کامپیوتر، دانشکده فنی، دانشگاه گیلان

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 :
  • T. Y. Kuo and Y. . Lo, "Depth Estimation from ...
  • J. Jung and Y. S. Ho, "Depth Map Estimation From ...
  • A. Saxena, S. H. Chung, and A. Y. Ng, "Learning ...
  • A. Saxena, S. H. Chung, and A. Y. Ng, ،3-D ...
  • Saxena, J. Schulte, and A. Y. Ng, "Depth estimation using ...
  • A. Saxena, M. Sun, and A. Y. Ng, "Make3D: Learning ...
  • T. Nagai, T. Naruse, M. Ikehara, and A. Kurematsu. :Hmm-based ...
  • E. Delage, H. Lee, and A.Y. Ng. "A dynamic ayesian ...
  • F Shuai, Q Tong, C Yang, C Fengyun. "Depth Recovery ...
  • A. Torralba and A. Oliva. "Depth estimation from image structure. ...
  • Guillaume _ and Miroslav Rodojevi . :Texture segmentation: Co-occurrence matrix ...
  • http ://make3d. cs.cornell _ edu/c ode.html ...
  • نمایش کامل مراجع