مقاله طراحی سیستم آشکارساز عابر پیاده با استفاده از ویژگیهای شبه هار و هیستوگرام گرادیان جهتدار و تک طبق بند ماشین بردار پشتیبان بر روی دادههای آموزشی سیاه نما
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله طراحی سیستم آشکارساز عابر پیاده با استفاده از ویژگیهای شبه هار و هیستوگرام گرادیان جهتدار و تک طبق بند ماشین بردار پشتیبان بر روی دادههای آموزشی سیاه نما دارای ۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله طراحی سیستم آشکارساز عابر پیاده با استفاده از ویژگیهای شبه هار و هیستوگرام گرادیان جهتدار و تک طبق بند ماشین بردار پشتیبان بر روی دادههای آموزشی سیاه نما کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله طراحی سیستم آشکارساز عابر پیاده با استفاده از ویژگیهای شبه هار و هیستوگرام گرادیان جهتدار و تک طبق بند ماشین بردار پشتیبان بر روی دادههای آموزشی سیاه نما،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله طراحی سیستم آشکارساز عابر پیاده با استفاده از ویژگیهای شبه هار و هیستوگرام گرادیان جهتدار و تک طبق بند ماشین بردار پشتیبان بر روی دادههای آموزشی سیاه نما :
تعداد صفحات:۶
چکیده:
آشکارسازی عابر پیاده یکی از مهمترین مسائلی است که در سالهای اخیر به طور گستردهای در کاربردهای بینایی ماشین و سیستمهای هوشمند مورد توجه قرار گرفته است. انتخاب روشی مناسب برای استخراج ویژگیها و نیز نوع طبقهبندی کننده میتواند بدعت و کارایی کل سیستم را تحت تأثیر قرار دهد. در این تحقیق از ویژگیهای ویولت های شبه هار (پایه و چندین ویژگی جدید) و هیستوگرام گرادیان جهتدار و نیز ترکیب این دو ویژگی برای استخراج ویژگیهای تصاویر از نوع سیاه نما استفاده شده است. با استفاده از این ویژگی ترکیبی و طبقهبندی کننده ساده فاصله افلیدسی سیستم آشکارساز عابر پیاده این با نتایجی قابل قبول ارائه شده است. در گام بعدی به منظور بهبود بدعت تشخیص، سیستم آشکارساز عابر پیاده لیگی با استفاده از ویژگیهای شبه هار و هیستوگرام گرادیان جهتدار و نیز ترکیب آنها و با کمک طبقهبندی کننده SVM تو شدهام. یکی از ویژگیهای بارز و مهم قابل استخراج در تصاویر سیاه و ما مربوط به اطلاعات لپه ها است و جان روش HOG صورت بالایی این ویژگی استخراج میکند بنابراین در طراحی سیستم آشکارساز عابر پیاده با استفاده از دادههای آموزشی از نوع تصاویر سیاه و ما استفاده از ویژگیهای HOG و طبقهبندی کننده SVM به پایش را از لحاظ دقت خیس بالا و نرخ خطای مثبت پایین ارائه میدهد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.