-
دسترسی آزاد مقاله
1 - تشخیص درب مبتنی بر بینایی ماشین در صحنههای بیرونی
مهدی طالبیدربها نشانه‌ی مهمی جهت ورود و خروج از ساختمان برای افراد نابینا و رباتها میباشند. تشخیص درب در محیطهای بیرونی به یکی از مسائل دشوار در بینایی کامپیوتر تبدیل شده است؛ زیرا معمولا̎ در دربهای محیطهای بیرونی، ویژگیهای یک درب ساده مانند دستگیره، گوشهها و فضای خالی بی چکیده کاملدربها نشانه‌ی مهمی جهت ورود و خروج از ساختمان برای افراد نابینا و رباتها میباشند. تشخیص درب در محیطهای بیرونی به یکی از مسائل دشوار در بینایی کامپیوتر تبدیل شده است؛ زیرا معمولا̎ در دربهای محیطهای بیرونی، ویژگیهای یک درب ساده مانند دستگیره، گوشهها و فضای خالی بین درب و زمین آشکار نیستند. در این مقاله، روشی برای تشخیص درب در محیطهای بیرونی ارائه می شود. پس از استخراج خطوط و حذف خطوط اضافی، ناحیه‌ی بین خطوط عمودی تشکیل میشود و ویژگیهای هر ناحیه شامل ارتفاع، عرض، محل، رنگ، بافت و تعداد خطوط داخل ناحیه استخراج می گردند. سپس از دانش اضافی مانند وجود درب در پایین تصویر، ارتفاع و عرض معقول درب و اختلاف رنگ و بافت درب با ناحیه‌ی اطراف، برای تصمیمگیری وجود درب استفاده میشود. این روش بر روی مجموعه تصاویر eTRIMS و مجموعه تصاویر خودمان شامل دربهای منازل، آپارتمانها و فروشگاهها امتحان شده است و نتایج ارائه‌شده، برتری روش پیشنهادی نسبت به روش‌های پیشین را نشان می‌دهد. پرونده مقاله -
دسترسی آزاد مقاله
2 - تشخیص درب مبتنی بر بینایی ماشین در صحنههای بیرونی
عباس وفایی مهدی طالبی سید امیرحسن منجمیدربها نشانه‌ی مهمی جهت ورود و خروج از ساختمان برای افراد نابینا و رباتها میباشند. تشخیص درب در محیطهای بیرونی به یکی از مسایل دشوار در بینایی کامپیوتر تبدیل شده است؛ زیرا معمولا̎ در دربهای محیطهای بیرونی، ویژگیهای یک درب ساده مانند دستگیره، گوشهها و فضای خالی بین چکیده کاملدربها نشانه‌ی مهمی جهت ورود و خروج از ساختمان برای افراد نابینا و رباتها میباشند. تشخیص درب در محیطهای بیرونی به یکی از مسایل دشوار در بینایی کامپیوتر تبدیل شده است؛ زیرا معمولا̎ در دربهای محیطهای بیرونی، ویژگیهای یک درب ساده مانند دستگیره، گوشهها و فضای خالی بین درب و زمین آشکار نیستند. در این مقاله، روشی برای تشخیص درب در محیطهای بیرونی ارائه می شود. پس از استخراج خطوط و حذف خطوط اضافی، ناحیه ی بین خطوط عمودی تشکیل میشود و ویژگیهای هر ناحیه شامل ارتفاع، عرض، محل، رنگ، بافت و تعداد خطوط داخل ناحیه استخراج می گردند. سپس از دانش اضافی مانند وجود درب در پایین تصویر، ارتفاع و عرض معقول درب و اختلاف رنگ و بافت درب با ناحیه‌ی اطراف، برای تصمیمگیری وجود درب استفاده می شود. این روش بر روی مجموعه تصاویر eTRIMS و مجموعه تصاویر خودمان شامل دربهای منازل، آپارتمانها و فروشگاهها امتحان شده است و نتایج ارائه‌شده، برتری روش پیشنهادی نسبت به روش‌های پیشین را نشان می‌دهد. پرونده مقاله -
دسترسی آزاد مقاله
3 - DeepFake Detection using 3D-Xception Net with Discrete Fourier Transformation
Adeep Biswas Debayan Bhattacharya Kakelli Anil KumarThe videos are more popular for sharing content on social media to capture the audience’s attention. The artificial manipulation of videos is growing rapidly to make the videos flashy and interesting but they can easily misuse to spread false information on social media چکیده کاملThe videos are more popular for sharing content on social media to capture the audience’s attention. The artificial manipulation of videos is growing rapidly to make the videos flashy and interesting but they can easily misuse to spread false information on social media platforms. Deep Fake is a problematic method for the manipulation of videos in which artificial components are added to the video using emerging deep learning techniques. Due to the increase in the accuracy of deep fake generation methods, artificially created videos are no longer detectable and pose a major threat to social media users. To address this growing problem, we have proposed a new method for detecting deep fake videos using 3D Inflated Xception Net with Discrete Fourier Transformation. Xception Net was originally designed for application on 2D images only. The proposed method is the first attempt to use a 3D Xception Net for categorizing video-based data. The advantage of the proposed method is, it works on the whole video rather than the subset of frames while categorizing. Our proposed model was tested on the popular dataset Celeb-DF and achieved better accuracy. پرونده مقاله -
دسترسی آزاد مقاله
4 - An Efficient Method for Handwritten Kannada Digit Recognition based on PCA and SVM Classifier
Ramesh G Prasanna G B Santosh V Bhat Chandrashekar Naik Champa H NHandwritten digit recognition is one of the classical issues in the field of image grouping, a subfield of computer vision. The event of the handwritten digit is generous. With a wide opportunity, the issue of handwritten digit recognition by using computer vision and m چکیده کاملHandwritten digit recognition is one of the classical issues in the field of image grouping, a subfield of computer vision. The event of the handwritten digit is generous. With a wide opportunity, the issue of handwritten digit recognition by using computer vision and machine learning techniques has been a well-considered upon field. The field has gone through an exceptional turn of events, since the development of machine learning techniques. Utilizing the strategy for Support Vector Machine (SVM) and Principal Component Analysis (PCA), a robust and swift method to solve the problem of handwritten digit recognition, for the Kannada language is introduced. In this work, the Kannada-MNIST dataset is used for digit recognition to evaluate the performance of SVM and PCA. Efforts were made previously to recognize handwritten digits of different languages with this approach. However, due to the lack of a standard MNIST dataset for Kannada numerals, Kannada Handwritten digit recognition was left behind. With the introduction of the MNIST dataset for Kannada digits, we budge towards solving the problem statement and show how applying PCA for dimensionality reduction before using the SVM classifier increases the accuracy on the RBF kernel. 60,000 images are used for training and 10,000 images for testing the model and an accuracy of 99.02% on validation data and 95.44% on test data is achieved. Performance measures like Precision, Recall, and F1-score have been evaluated on the method used. پرونده مقاله
رایمگ
سامانه رایمگ تمامی فرآیندهای دریافت، ارزیابی و داوری، ویراستاری، صفحه‌آرایی و انتشار الکترونیکی نشریات علمی را به انجام می‌رساند
پیوندهای سایت
مراکز مرتبط
پشتیبانی
صفحات رسمی
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات رایمگ است.
حق نشر © 1403-1396