فهرس المقالات Sparse Coding

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - A new Sparse Coding Approach for Human Face and Action Recognition
  Mohsen Nikpoor Mohammad Reza Karami-Mollaei Reza Ghaderi
  10.7508/jist.2017.17.003
  Sparse coding is an unsupervised method which learns a set of over-complete bases to represent data such as image, video and etc. In the cases where we have some similar images from the different classes, using the sparse coding method the images may be classified into أکثر

  Sparse coding is an unsupervised method which learns a set of over-complete bases to represent data such as image, video and etc. In the cases where we have some similar images from the different classes, using the sparse coding method the images may be classified into the same class and devalue classification performance. In this paper, we propose an Affine Graph Regularized Sparse Coding approach for resolving this problem. We apply the sparse coding and graph regularized sparse coding approaches by adding the affinity constraint to the objective function to improve the recognition rate. Several experiments has been done on well-known face datasets such as ORL and YALE. The first experiment has been done on ORL dataset for face recognition and the second one has been done on YALE dataset for face expression detection. Both experiments have been compared with the basic approaches for evaluating the proposed method. The simulation results show that the proposed method can significantly outperform previous methods in face classification. In addition, the proposed method is applied to KTH action dataset and the results show that the proposed sparse coding approach could be applied for action recognition applications too. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - تشخیص نواحی مزاحم بصری در تصاویر به وسیله روش نمایش تنک دومرحله‌ای و وزن‌دار نمونه آزمون
  فردین صبوری فرزین یغمایی
  مخاطب یک تصویر مایل است که در کوتاه‌ترین زمان، پیام اصلی تصویر را دریافت کند. از این رو سیستم بینایی انسان توجه بصری را ناخودآگاه به سمت نواحی برجسته، با فرض وجود اطلاعات مفید در آنها هدایت می‌کند. عملاً این فرض همواره صادق نبوده و در مواردی، نواحی برجسته صرفاً موجب مزا أکثر

  مخاطب یک تصویر مایل است که در کوتاه‌ترین زمان، پیام اصلی تصویر را دریافت کند. از این رو سیستم بینایی انسان توجه بصری را ناخودآگاه به سمت نواحی برجسته، با فرض وجود اطلاعات مفید در آنها هدایت می‌کند. عملاً این فرض همواره صادق نبوده و در مواردی، نواحی برجسته صرفاً موجب مزاحمت بصری می‌گردند. از این رو در کاربردهای مختلف نیاز به ساز و کاری جهت تشخیص این نواحی می‌باشد تا با حذف این نواحی، حواس مخاطب از سوژه اصلی تصویر پرت نشود. همچنین نادیده‌گرفتن این نواحی، کمک شایانی است به روش‌هایی که بر پایه تشخیص نواحی برجسته و مهم عمل می‌کنند. بدین منظور در این مقاله، بر اساس روش‌های منطبق بر چالش عدم توازن دسته‌ها، هر قطعه از تصاویر آموزشی با توجه به ماسک آنها به 9 دسته افراز می‌شود که شماره هر دسته متناسب با شدت مزاحمت است. سپس ویژگی‌های مبتنی بر قطعه استخراج و دسته هر قطعه بر اساس روش نمایش تنک دومرحله‌ای و وزن‌دار نمونه آزمون که بر مبنای سیستم کدگذاری و بازنمایی تنک است، تعیین می‌شود. به منظور ارزیابی دقیق روش پیشنهادی و مقایسه آن با سایر روش‌ها، 4 معیار ارزیابی با رویکردهای مختلف معرفی و پیشنهاد می‌شود. با ارزیابی و سنجش نتایج نشان داده می‌شود که روش پیشنهادی علی‌رغم زمان‌بر بودن، نسبت به کارهای پیشین دارای دقت بیشتری است. تفاصيل المقالة