فایل ورد کامل دسته بندی تطبیقی ترکیب زمینه

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل دسته بندی تطبیقی ترکیب زمینه،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۰ صفحه

We propose an adaptive figure-ground classification
algorithm to automatically extract a foreground region
using a user-provided bounding-box. The image is first
over-segmented with an adaptive mean-shift algorithm,
from which background and foreground priors are estimated. The remaining patches are iteratively assigned
based on their distances to the priors, with the foreground
prior being updated online. A large set of candidate segmentations are obtained by changing the initial foreground
prior. The best candidate is determined by a score function
that evaluates the segmentation quality. Rather than using
a single distance function or score function, we generate
multiple hypothesis segmentations from different combinations of distance measures and score functions. The final
segmentation is then automatically obtained with a voting
or weighted combination scheme from the multiple hypotheses. Experiments indicate that our method performs
at or above the current state-of-the-art on several datasets,
with particular success on challenging scenes that contain
irregular or multiple-connected foregrounds. In addition,
this improvement in accuracy is achieved with low computational cost.

Keywords: Delta modulation | Bandwidth | Image segmentation | Classification algorithms | Color | Gaussian distribution | Covariance matrix

عنوان انگلیسی:

Adaptive Figure-Ground Classification

~~en~~ writers :

Yisong Chen, Antoni B: Chan

ما یک الگوریتم دسته بندی تطبیقی ترکیب زمینه برای استخراج خودکار ناحیه ی پیش زمینه با استفاده از کادر محصورکننده ی ایجادشده توسط کاربر ارائه می دهیم. نخست، تصویر با یک الگوریتم تطبیقی انتقال میانگین بخش بندی می شود و از اینها، برآوردهای پیشین پس زمینه و پیش زمینه تخمین زده می شوند. قطعات باقیمانده به صورت تکرارشونده براساس فاصله ی آنها تا این برآوردهای پیشین تخصیص می یابند و پیشین پیش زمینه به صورت آنلاین به روز می روند. مجموعه ی بزرگی از تقسیم بندی های کاندید با تغییر دادن برآورد پیشین پیش-زمینه ی اولیه به دست می آیند. بهترین کاندید توسط یک تابع امتیاز تعیین می شود که کیفیت تقسیم بندی را ارزیابی می کند. ما به جای استفاده از یک تابع فاصله ی واحد یا تابع امتیاز، چندین تقسیم بندی فرضی از ترکیبات مختلف معیارهای فاصله و توابع امتیاز ایجاد نمودیم. سپس تقسیم بندی نهایی بطور خودکار با یک طرح ترکیبی رأی گیری و وزندهی از چندین فرضیه به دست می آید. آزمایشات نشان می دهد روش ما در چندین مجموعه داده بر به روزترین روش های فعلی برتری دارد، و بطور خاص در صحنه های چالش برانگیزی که حاوی پیش زمینه های متصل چندگانه یا منظم هستند، به موفقیت دست می یابد. به علاوه، این پیشرفت در دقت با هزینه های محاسباتی پایین به دست می آید.
کلمات کلیدی: مدولاسیون دلتا | پهنای باند | تقسیم بندی تصویر | الگوریتم های طبقه بندی | رنگ | توزیع گاوسی | ماتریس کواریانس

$$en!!