فروشگاه

خانه مقاله های پردازش تصویر مقاله ۲۰۱۷ در مورد بازیابی تصویر با شبکه عصبی کانولوشنی عمیق

مقاله ۲۰۱۷ در مورد بازیابی تصویر با شبکه عصبی کانولوشنی عمیق

7,000 تومان

ترجمه عنوان مقاله: بازیابی تصویر با استفاده از ویژگی‌های کانولوشنی عمیق ادغام شده

عنوان انگلیسی مقاله: Image Retrieval Using Fused Deep Convolutional Features

ترجمه کامل مقاله به همراه ترجمه شکلها و جدول موجود است.

توضیحات

  • اصل مقاله انگلیسی را می توانید به طور رایگان دانلود کنید.
  • متن کامل ترجمه پس از خرید قابل دانلود است، همچنین فایل ترجمه پس از اتمام خرید به صورت خودکار از سمت سرور به ایمیل شما نیز ارسال می شود، از آنجایی که ایمیل از سمت سرور و با نام سایت ارسال می شود، به همین دلیل ممکن است به عنوان ایمیل تبلیغاتی در نظر گرفته شده و در قسمت Spam (هرزنامه) ایمیل شما قرار گیرد، پس لطفا قسمت Spam (هرزنامه) ایمیل خود را نیز چک کنید.
  • توجه: چنانچه پس از خرید طی دو ساعت ترجمه به ایمیل شما ارسال نشد، با ایمیل پشتیبانی تماس بگیرید تا ما در اسرع وقت به موضوع رسیدگی کنیم.

———————————————————————

مشخصات مقاله انگلیسی:

 

ترجمه عنوان مقاله: بازیابی تصویر با استفاده از ویژگی‌های کانولوشنی عمیق ادغام شده

 

عنوان انگلیسی مقاله: Image Retrieval Using Fused Deep Convolutional Features

 

نام ژورنال: Procedia Computer Science

 

نام ناشر: Elsevier

 

سال انتشار: ۲۰۱۷

 

تعداد صفحات مقاله انگلیسی: ۶ صفحه

 

دانلود مقاله انگلیسی

 

تعداد صفحات مقاله ترجمه شده: ۹ صفحه (در قالب فایل word و pdf)

 

ترجمه چکیده مقاله:

این مقاله یک روش بازیابی تصویر را با استفاده از ویژگی‌های کانولوشنی عمیق ادغام شده جهت حل مشکل شکاف معنایی بین ویژگی‌های سطح-پایین و ویژگی‌های معنایی سطح-بالا ارائه می‌دهد، مشکلی که در روش‌های رایج برای بازیابی تصویر بر اساس محتوا وجود دارد. در ابتدا، نسخه‌ی بهبود یافته‌ی معماری شبکه‌ی LeNet-L به وسیله‌ی نسخه‌ی بهبود یافته‌ی شبکه‌ی کانولوشنی عصبی LeNet-5 به دست می‌آید. سپس، دو ویژگی متفاوت کانولوشنی عمیق که توسط LeNet-5 و AlexNet استخراج شده‌اند، با هم ادغام می‌شوند. در نهایت، پس از ادغام، تصویر مشابه از طریق مقایسه‌ی میزان شباهت بین تصویری بازیابی شده و تصویر موجود در پایگاه‌داده به وسیله‌ی تابع فاصله به دست می‌آید. در مجموعه‌داده‌ی Corel، روش پیشنهادی در این مقاله با شبکه‌ی عصبی تک کانولوشنی مقایسه شده است که ویژگی‌ها را برای بازیابی تصویر استخراج می‌کند، در نتیجه‌ی مقایسه، روش پیشنهادی ما دقت و بازخوانی بالاتری را ارائه داده است. نتایج نشان می‌دهد که روش پیشنهادی ما دقت بازیابی بهتری دارد.   

 

کلمات کلیدی: یادگیری عمیق؛ شبکه عصبی کانولوشنی؛ استخراج ویژگی؛ بازیابی تصویر؛ ادغام ویژگی.

 

نقد و بررسی ها

هیچ دیدگاهی برای این محصول نوشته نشده است .

اولین کسی باشید که دیدگاهی می نویسد “مقاله ۲۰۱۷ در مورد بازیابی تصویر با شبکه عصبی کانولوشنی عمیق”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *