کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6951610 1451698 2018 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An optimized shape descriptor based on structural properties of networks
ترجمه فارسی عنوان
یک توصیفگر بهینه شده بر اساس خواص ساختاری شبکه ها
کلمات کلیدی
تجزیه و تحلیل شکل، طبقه بندی فرم، تجزیه و تحلیل شبکه، تشخیص الگو،
ترجمه چکیده
تجزیه و تحلیل ساختاری مرزهای شکل منجر به مشخص کردن اشیاء و همچنین درک خواص شکل می شود. ادبیات در مورد گراف ها و شبکه ها به مشخصه ساختاری شکل ها با رویکردهای نظری متفاوت کمک کرده است. ما یک مطالعه در ارتباط بین معماری شکل و توپولوژی شبکه بر روی مرز شکل انجام دادیم. برای این کار، ما یک روش برای مدل سازی شبکه پیشنهاد شده در سال 2009 پیشنهاد دادیم. اولا، با استفاده از تحلیل انحنای، روش پیشنهادی را برای چند ضلعی منظم ارزیابی کردیم. به این ترتیب، ممکن است به بررسی اینکه چگونه اندازه گیری های شبکه با توجه به خواص شکل خاصی متفاوت است. ثانیا، عملکرد توصیفگر شکل پیشنهادی را در وظایف طبقه بندی سه مجموعه داده بررسی کردیم که برای هر دو شکل واقعی و مصنوعی حساب شده است. ما نشان دادیم که نه تنها اندازه گیری های مرتبط با درجه بندی قادر به تشخیص کلاس های اشیاء هستند. با این حال، هنگام استفاده از اندازه گیری هایی که ویژگی های متمایز ساختار شبکه را تشکیل می دهند، ساختن توصیفگر شکل، کارایی محاسباتی بیشتری می شود. با توجه به این واقعیت که شبکه به صورت پویا ساخته می شود، تعداد تکرار می تواند کاهش یابد. رویکرد پیشنهادی برای یک مجموعه قوی تر از اندازه گیری های ساختاری، که قدرت تفکیک کننده توصیفگرهای شکل را بهبود می بخشد، است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
پیش نمایش مقاله
یک توصیفگر بهینه شده بر اساس خواص ساختاری شبکه ها
چکیده انگلیسی
The structural analysis of shape boundaries leads to the characterization of objects as well as to the understanding of shape properties. The literature on graphs and networks have contributed to the structural characterization of shapes with different theoretical approaches. We performed a study on the relationship between the shape architecture and the network topology constructed over the shape boundary. For that, we used a method for network modeling proposed in 2009. Firstly, together with curvature analysis, we evaluated the proposed approach for regular polygons. This way, it was possible to investigate how the network measurements vary according to some specific shape properties. Secondly, we evaluated the performance of the proposed shape descriptor in classification tasks for three datasets, accounting for both real-world and synthetic shapes. We demonstrated that not only degree related measurements are capable of distinguishing classes of objects. Yet, when using measurements that account for distinct properties of the network structure, the construction of the shape descriptor becomes more computationally efficient. Given the fact the network is dynamically constructed, the number of iterations can be reduced. The proposed approach accounts for a more robust set of structural measurements, that improved the discriminant power of the shape descriptors.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Digital Signal Processing - Volume 82, November 2018, Pages 216-229
نویسندگان
, , ,