Tìm thấy 14+ kết quả cho từ khóa "Phân loại ảnh"
310691.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Ngoài ra bài toán xử lý ảnh cũng được đưa ra nhằm phân tích các đặc trưng cơ bản của ảnh và áp dụng các đặc trưng vào thuật toán K-SVD. Trong nghiên cứu này, xử lý ảnh là bước tiền xử lý thông tin quan trọng, sau đó thông tin được đưa vào thuật toán K-SVD, SVM nhằm giải quyết bài toán phân lớp. Kết quả đưa ra độ chính xác của quá trình phân lớp. Đề tài “Học từ điển và ứng dụng trong phân loại ảnh” nhằm mục đích hiểu được cách thức và phương pháp phân loại ảnh hiệu quả.
tailieu.vn Xem trực tuyến Tải xuống
Tuy nhiên, khi thực hiện phân loại ảnh có kiểm định ở khu vực có bề mặt lớp phủ hỗn hợp, độ chính xác của kết quả phân loại ảnh không cao do các kết quả phân loại ảnh bị ảnh hưởng bởi vấn đề nhiễu điểm ảnh. Nhiễu điểm ảnh là hiện tượng xảy ra khi một điểm ảnh có giá trị điểm ảnh thuộc lớp A nhưng trong kết quả phân loại ảnh thì điểm ảnh đó sẽ được phân loại vào lớp khác ngoài lớp A.
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Kết quả độ chính xác phân loại lần lượt là: 91%, 88%. Điều này cho thấy thuật toán phân loại Nearest Neighbor được đánh giá cao trong việc phân loại đối với nhiều loại ảnh vệ tinh khác nhau.. Ở Việt Nam, nhiều nghiên cứu đã sử dụng phương pháp phân loại dựa vào pixel để phân loại ảnh như: Hoàng Xuân Thành (2010).
tailieu.vn Xem trực tuyến Tải xuống
HSMK được thực nghiệm trên hai bài toán cụ thể cho phân loại ảnh là phân loại đối tượng và phân loại cảnh trên những cơ sở dữ liệu chuẩn như Oxford Flower, CALTECH-101, CALTECH-256, MIT Scene, UIUC Scene.. 5.1 Phân loại ảnh (Image categorization).
tailieu.vn Xem trực tuyến Tải xuống
Tuy nhiên, khi thực hiện phân loại ảnh có kiểm định ở khu vực có bề mặt lớp phủ hỗn hợp, độ chính xác của kết quả phân loại ảnh không cao do các kết quả phân loại ảnh bị ảnh hưởng bởi vấn đề nhiễu điểm ảnh. Nhiễu điểm ảnh là hiện tượng xảy ra khi một điểm ảnh có giá trị điểm ảnh thuộc lớp A nhưng trong kết quả phân loại ảnh thì điểm ảnh đó sẽ được phân loại vào lớp khác ngoài lớp A.
tailieu.vn Xem trực tuyến Tải xuống
Nhằm đánh giá độ chính xác của kết quả phân loại ảnh, nhóm thực hiện đề tài tiến hành so sánh bằng mắt thường về ranh giới khu vực rừng ngập mặn giữa kết quả phân loại ảnh và bản đồ kiểm kê rừng cùng thời kỳ. Kết quả cho thấy, kết quả phân loại ảnh cho độ chính xác cao hơn với mức độ chi tiết về các đường ranh giới khu vực rừng ngập mặn cao.
tailieu.vn Xem trực tuyến Tải xuống
Ảnh chụp X-quang phổi và các feature map của các đặc trưng được rút trích từ các kiến trúc mạng học sâu. Thông qua các feature map biểu diễn các đặc trưng hình ảnh của kiến trúc mạng đã có sự khác biệt rất nhiều so với ảnh gốc. Ứng với mỗi kiến trúc mạng qua các lớp filter đã cho ra đặc trưng ảnh với cấu trúc khác nhau.. Kế tiếp bước rút trích đặc trưng, chúng tôi sử dụng các đặc trưng này làm đầu vào cho việc phân loại hình ảnh với ba phương pháp phân loại SVM, logistic regression và k-NN.
tailieu.vn Xem trực tuyến Tải xuống
Phan Anh Cang, "Phát hiện và phân loại tự động xuất huyết não trên các ảnh CT/MRI,"
tailieu.vn Xem trực tuyến Tải xuống
Hình 1.2: Mô hình lai CNN-RVM phân loại ảnh. Các mô hình lai CNN-SVM, CNN-RVM là mô hình phân loại triển vọng do:. Mô hình lai CNN-SVM, CNN-RVM kết hợp các ưu điểm của CNN và SVM, RVM, chúng đều là các mô hình phân loại phổ biến và thành công nhất.. Chương này của luận án tập trung vào giới thiệu tổng quan về mô hình RBF trong bài toán nhận dạng. Phần đầu tập trung vào giới thiệu mô hình RBF..
tailieu.vn Xem trực tuyến Tải xuống
Với sử dụng học máy, nhóm tác giả [2] phân loại quả cà chua theo chất. lượng sử dụng công nghệ xử lý ảnh: Chuyển ảnh từ RGB sang hệ màu HSV, phân đoạn ảnh sử dụng thuật toán k-mean và phân loại ảnh sử dụng SVM (Support Vector Machine) và mạng nơron (ANN - Arti cial Neural Network). Với phương pháp phân loại theo các phương pháp học máy bị ảnh hưởng rất nhiều bởi môi trường: Chế độ chiếu sáng, ánh sáng đèn, các loại quả phân loại cần được đi qua các hộp đen, tách ánh sáng môi trường.
tailieu.vn Xem trực tuyến Tải xuống
Một kiến trúc mạng CNN cho nhận dạng chữ viết từ dữ liệu MNIST Mạng bắt đầu với 28 × 28 nơron đầu vào, được sử dụng để mã hóa các cường độ điểm ảnh cho ảnh MNIST. CNN thường được sử dụng trong các hệ thống nhận dạng hình ảnh [11. Thử thách nhận dạng hình ảnh quy mô lớn ImageNet là một chuẩn mực trong phân loại và phát hiện đối tượng, với hàng triệu hình ảnh và hàng trăm lớp đối tượng..
tailieu.vn Xem trực tuyến Tải xuống
Với bài toán phân loại ảnh, bộ phân loại dựa trên CNN sẽ có đầu vào là một ma trận điểm ảnh và đầu ra là các giá trị xác suất [0,1] mà ảnh đó thuộc về từng phân lớp đƣợc tính toán dựa trên hàm Softmax.
310691-tt.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Phạm vi nghiên cứu giới hạn trong việc phân lớp hai nhóm ảnh ô tô và máy tính từ 131 bức ảnh ban đầu. Kết quả được độ chính xác của quá trình phân lớp ảnh. Phương pháp học từ điển. Đây là bước tiền xử lý dữ liệu quan trọng, những đặc trưng được lựa chọn có ảnh hưởng lớn đến kết quả của quá trình phân lớp. Thuật toán K-SVD.
tailieu.vn Xem trực tuyến Tải xuống
Đây là một trong những nhiệm vụ quan trọng nhất trong phân tích ảnh số tự động vì các kết quả của phân đoạn ảnh sẽ có ảnh hưởng cốt yếu đến tất cả các quá trình tiếp theo trong nhiều ứng dụng của xử lí ảnh và thị giác máy tính, như biểu diễn và mô tả đối tượng trong ảnh, xử lí nhận dạng đối tượng, phân loại ảnh, nén ảnh dựa trên đối tượng hay truy vấn ảnh dựa trên nội dung….
tailieu.vn Xem trực tuyến Tải xuống
Phân loại ảnh chân dung. Ảnh chụp cũng như tranh vẽ, tuỳ theo mục đích của kiều ảnh và vị trí, tư thế, tầm vóc của con người được thể hiện ra trong ảnh mà người ta xếp loại, mỗi loại, mỗi kiểu cách của ảnh chân dung đều do cách bố cục đã dụng ý hình thành ra nó.Hiện nay theo em được biết là có 3 cách để phân loại ảnh chân dung, tuỳ thuộc và số người, tính chất của chủ đề, ảnh….
tailieu.vn Xem trực tuyến Tải xuống
Phân loại ảnh viễn thám siêu phổ dựa trên mô hình CNN-KELM sâu. Abstract—Nghiên cứu này đề xuất một phương pháp phân loại ảnh viễn thám siêu phổ (AVTSP). Chúng tôi sử dụng một khung mạng nơ-ron tích chập mới để trích xuất các đặc điểm cục bộ của ảnh viễn thám siêu phổ, và sau đó sử dụng một thuật toán máy học hạt nhân cấp tốc (kernel extreme learning machine, KELM) để phân loại các đối tượng khác nhau.
tailieu.vn Xem trực tuyến Tải xuống
Trong đó các đối tượng thuộc chủ đề giao thông, thủy văn có thể đạt tiêu chí phân loại đúng tới 80-90%. Độ tin cậy của phân loại lớp phủ thực vật là rừng cao hơn loại lớp phủ là đất canh tác. Sử dụng mẫu phân loại rừng còn có thể cho phép phân biệt được loại thực vật lá kim/lá rộng với độ tin cậy đến 80%.
tailieu.vn Xem trực tuyến Tải xuống
Phân loại virus. Virus được phân loại dựa trên các đặc điểm:. Phân loại theo hình thái: phân loại virus cơ bản dựa trên cấu trúc của hạt virus. Phân loại theo chức năng: trong những năm gần đây, nhiều nghiên cứu được tiến hành dựa trên phương thức sao chép của virus. Cần xác định thành phần và cấu trúc genome của virus và từ đó xác định cách sao chép.. Kiểu tế bào bị nhiễm bởi virus có ảnh hưởng quan trọng đối với quá trình sao chép.
tailieu.vn Xem trực tuyến Tải xuống
XỬ LÝ MẤT CÂN BẰNG DỮ LIỆU TRONG PHÂN LOẠI TỔN THƯƠNG DA TRÊN ẢNH SOI DA. Để khắc phục thực trạng này, máy soi da - một thiết bị quang học đã được sử dụng tại các bệnh viện da liễu để hỗ trợ các bác sĩ trong thăm khám các lớp nông của da với độ phóng đại lớn, đồng thời kết hợp với một hệ thống chụp và lưu trữ hình ảnh.. Dữ liệu bao gồm 10,015 ảnh soi da của 7 loại bệnh tổn thương.
www.scribd.com Xem trực tuyến Tải xuống
Phần 3 PHÂN LOẠI, THU GOM VÀ XỬ LÝ RÁC THẢI SINH HOẠT 3.1. Phân loại rác tại nguồn 3.1.1. Phương pháp phân loại rác tại nguồn Rác thải sinh hoạt trước khi được đưa đi xử lý, cần được phân loại ngay tại hộ gia đình. Rác hữu cơ dễ phân hủy: là các loại rác dễ bị thối rữa trong điều kiện tự nhiên sinh ra mùi hôi thối như: các loại th ức ăn thừa, hư hỏng (rau, cá chết. Rác thải khó phân hủy được chia làm 2 loại đó là rác tái chế và không tái chế.