ارائه یک روش موثر بازشناسی شیء مبتنی بر هرس کردن احتمالی مشخصه های دیداری تصویر در مدل HMAX
Publish place: Tabriz Journal of Electrical Engineering، Vol: 49، Issue: 1
Publish Year: 1398
Type: Journal paper
Language: Persian
View: 450
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_TJEE-49-1_005
Index date: 8 July 2019
ارائه یک روش موثر بازشناسی شیء مبتنی بر هرس کردن احتمالی مشخصه های دیداری تصویر در مدل HMAX abstract
سیستم بینایی انسان قادر به بازشناسی شیء در صحنه های شلوغ با سرعت و دقت بالاست. مدل های زیادی برای بازشناسی شیء با الهام از سیستم بینایی انسان ازجمله مدل HMAX معرفی شده اند. در این تحقیق، روشی موثر با عنوان انتخاب احتمالی HMAX (PSHMAX) برای بازشناسی شیء با حفظ ساختار مدل HMAX ارائه شده است. مشکل مدل HMAX انتخاب تصادفی تکه های تصویر است که سبب استخراج دو دسته از تکه های نامطلوب می شود. دسته اول تکه هایی با اطلاعات کم که بدون تولید خروجی مفید، بار محاسباتی سیستم را افزایش می دهند و دسته دوم تکه هایی با اطلاعات غیرمفید از پس زمینه که باعث تولید خروجی اشتباه می شوند. در مدل پیشنهادی، تکه هایی شامل اطلاعات حداکثری مفید با رویکرد تصادفی در دو مرحله استخراج می شوند: مرحله اول ایجاد استخری از تکه های شامل بیشترین اطلاعات و مرحله دوم استخراج تکه های شامل اطلاعات مفیدتر و بهینه از استخر. برای ارزیابی، نرخ بازشناسی روش پیشنهادی با مدل HMAX و سایر روش های جدید توسعه یافته آن روی پایگاه های داده Caltech5 و Caltech101 مقایسه شده است. نتایج حاصل نشانگر برتری روش پیشنهادی است.
ارائه یک روش موثر بازشناسی شیء مبتنی بر هرس کردن احتمالی مشخصه های دیداری تصویر در مدل HMAX Keywords:
ارائه یک روش موثر بازشناسی شیء مبتنی بر هرس کردن احتمالی مشخصه های دیداری تصویر در مدل HMAX authors
محمداسماعیل اکبرپور
دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند
ناصر مهرشاد
دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند
سید محمد رضوی
دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند
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 :