15,000 تومان
توضیحات محصول
چکیده مقاله
این مقاله برای تشخیص دقیق حالات چهره، یک روش ترکیبی از تحلیل اجزای اصلی (PCA) و الگوی محلی باینری پیشنهاد داده است. در ابتدا، روش قطعه‌بندی هشت چشم معرفی شده است تا نواحی مؤثر تصویر حالت چهره را استخراج کند که می‌تواند برخی از اطلاعات غیر مفید را برای استخراج بعدی ویژگی کاهش دهد. پس PCA ویژگی سیاه و سفید از کل تصویر حالت چهره را استخراج کرده و اندازه‌ی داده‌ها را نیز به طور همزمان کاهش می‌دهد. LBP ویژگی متنی همسایه‌ی محلی ناحیه‌ی دهان را استخراج می‌کند که بیشتر به تشخیص حالت چهره اختصاص دارد. در هم آمیختن ویژگی سراسری و محلی برای تشخیص حالت چهره مؤثرتر است. در نهایت، ماشین بردار پشتیبان (SVM) از ویژگی ترکیب برای تکمیل تشخیص حالت چهره استفاده می‌کند. نتایج آزمایشی نشان می‌دهد که روش پیشنهادی در این مقاله می‌تواند حالات مختلف را به طور کاراتری طبقه‌بندی کرده و نرخ تشخیص بالاتری نسبت به روش‌های تشخیص قدیمی ارائه دهد.
بعد از دیدن اصل مقاله میتوانید اقدام به خرید ترجمه نمایید.
دانلود مقاله لاتین
محصولات مرتبط
ترجمه شماره ۹ – استخراج سلسله‌مراتبی ویژگی فضایی و زمانی با استفاده از خوشه‌بندی آنلاین بازگشت کننده
چکیده مقاله يادگیری عمیق ماشین، یک چارچوب جامع برای استخراج ویژگی‌های معنادار از مشاهدات پیچیده به شیوه‌ای بدون نظارت فراهم…
ترجمه شماره ۸ -خلاصه کردن گفتار خبری با مرزهای شناخته شده ی مطالب
چکیده مقاله بینندگان تلویزیون تمایل دارند تمام اجزای یک برنامه خبری را در زمان کوتاه بدست آورند و این به…
ترجمه شماره ۷ – خلاصه سازی گفتار بدون ویژگی واژگان برای پخش اخبار ماندرین
چکیده مقاله ما اولین مطالعه شناخته شده تجربی روی خلاصه گفتار بدون خصوصیات واژگانی برای پخش اخبار ماندارین را ارائه…
ترجمه شماره 1 – الگوهای باینری محلی برای تشخیص چند نمایی حالت چهره
چکیده مقاله تحقیقات در زمینه‌ی تشخیص حالت چهره، در تصاویر چهره تنها به صورت دید روبرو انجام شده است. تلاش‌هایی…
قوانین ثبت دیدگاه