تشخیص برجستگی عمومی تصویر با استفاده همزمان از ویژگی های سطح پایین و سطح بالا
Publish place: The first national conference on technology and knowledge management focusing on resistance economics
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 1,877
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
KMTTORBAT01_046
Index date: 6 June 2015
تشخیص برجستگی عمومی تصویر با استفاده همزمان از ویژگی های سطح پایین و سطح بالا abstract
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.
تشخیص برجستگی عمومی تصویر با استفاده همزمان از ویژگی های سطح پایین و سطح بالا Keywords:
تشخیص برجستگی , ویژگیهای سطح پایین و سطح بالا , مبتنی بر نواحی هدف عام , توجه پایین به بالا , توجه بالا به پایین
تشخیص برجستگی عمومی تصویر با استفاده همزمان از ویژگی های سطح پایین و سطح بالا authors
شیما فولاد
گروه مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان
علی مالکی
عضو هیئت علمی، گروه مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :