کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6853632 1437211 2016 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A syncretic representation for image classification and face recognition
ترجمه فارسی عنوان
نمایندگی همگانی برای طبقه بندی تصویر و شناخت چهره
کلمات کلیدی
ترجمه چکیده
برای روش های طبقه بندی تصویری مبتنی بر نمایندگی، بسیار مهم است که تصویر تصویری را به خوبی نشان می دهد. به عنوان پیکسل ها در موقعیت های مشابه از نمونه های آموزشی و نمونه های آزمون یک جسم معمولا دارای شدت های مختلف است، در دسته بندی شیء را دشوار می سازد. در این مقاله روش جدیدی برای کاهش اثرات این مسئله برای طبقه بندی تصویر پیشنهاد شده است. روش ما ابتدا تصویری جدید (یعنی تصویر مجازی) تصویر اصلی را تولید می کند که می تواند اهمیت شدت های پیکسل متوسط ​​را افزایش دهد و اثرات شدت های پیکسل های بزرگتر یا کوچکتر را کاهش دهد. سپس تصاویر مجازی و تصاویر اصلی مربوطه به ترتیب برای نشان دادن یک نمونه آزمون و به دست آوردن دو نتیجه نمایندگی استفاده می شود. در نهایت، این روش، این دو نتیجه را برای طبقه بندی نمونه آزمون پیوند می دهد. ادغام تصویر اصلی و تصویر مجازی آن می تواند صحت طبقه بندی تصویر را بهبود بخشد. آزمایشات طبقه بندی تصویر نشان می دهد که روش پیشنهادی می تواند دقت بیشتری نسبت به روش های طبقه بندی متعارف به دست آورد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
نمایندگی همگانی برای طبقه بندی تصویر و شناخت چهره
چکیده انگلیسی
For representation based image classification methods, it is very important to well represent the target image. As pixels at same positions of training samples and test samples of an object usually have different intensities, it brings difficulty in correctly classifying the object. In this paper, we proposed a novel method to reduce the effects of this issue for image classification. Our method first produces a new representation (i.e. virtual image) of original image, which can enhance the importance of moderate pixel intensities and reduce the effects of larger or smaller pixel intensities. Then virtual images and corresponding original images are respectively used to represent a test sample and obtain two representation results. Finally, this method fuses these two results to classify the test sample. The integration of original image and its virtual image is able to improve the accuracy of image classification. The experiments of image classification show that the proposed method can obtain a higher accuracy than the conventional classification methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: CAAI Transactions on Intelligence Technology - Volume 1, Issue 2, April 2016, Pages 173-178
نویسندگان
, , , ,