Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مشخصات نشــریه/اطلاعات دوره

نتایج جستجو

2558

نتیجه یافت شد

مرتبط ترین ها

اعمال فیلتر

به روزترین ها

اعمال فیلتر

پربازدید ترین ها

اعمال فیلتر

پر دانلودترین‌ها

اعمال فیلتر

پر استنادترین‌ها

اعمال فیلتر

تعداد صفحات

27

انتقال به صفحه

آرشیو

سال

دوره(شماره)

مشاهده شمارگان

مرکز اطلاعات علمی SID1
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
اطلاعات دوره: 
  • سال: 

    1396
  • دوره: 

    4
  • شماره: 

    1
  • صفحات: 

    1-16
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    733
  • دانلود: 

    704
چکیده: 

قرار گرفتن شیء در پس زمینه باعث پیچیده شدن مساله بازشناسی اشیا و درنتیجه افت عملکرد مدل های محاسباتی بینایی می شود. درحالی که انسان ها علی رغم این پیچیدگی، شیء هدف را با دقت و سرعت زیادی که متاثر از ارتباطات جانبی و بازخورد از نواحی بالاتر بینایی است بازشناسی می کنند.یکی از مدل های بینایی که اخیرا به عملکرد چشمگیری در بازشناسی اشیا دست یافته است، شبکه عصبی کانولوشنی است که مسیر پیش خور بینایی را شبیه سازی می کند. در این مقاله مدلی بازگشتی بر پایه این مدل و با الهام از یافته های بیولوژیک ارائه شده است که شامل اتصال های بازخوردی از نواحی بالاتر و همچنین اتصال های جانبی در همان لایه است. برای ارزیابی مدل از مجموعه داده پنج دسته ای، شامل تصاویر دارای پس زمینه و بدون پس زمینه، استفاده شد. با بصری سازی بازنمایی هایی ایجادشده در لایه های مدل مشاهده شد که با پیش روی در لایه های مدل، پس زمینه بیشتری از تصویر ورودی حذف می شود. سپس با انجام آزمایش هایی نشان داده شد که مدل بازگشتی با سازوکارهایپیشنهادی بازخورد از نواحی بالاتر و سرکوب پیرامون باعث بهبود معنی دار عملکرد مدل، در حذف پس زمینه شیء هدف و درنتیجه بازشناسی اشیا می شود. با توجه به نتایج، در حالتی که هر دو سازوکار پیشنهادی همزمان به مدل افزوده شدند، این افزایش عملکرد بیشتر بود که این یافته با شواهد بیولوژیک نیز تطابق دارد.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 733

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 704 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1396
  • دوره: 

    4
  • شماره: 

    1
  • صفحات: 

    17-28
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    728
  • دانلود: 

    653
چکیده: 

با پنهان سازی بیت های محرمانه در یک سیستم نهان نگاری تصویر، تصاویر حامل اطلاعات محرمانه دچار اعوجاج می شوند. این امر منجر به احتمال ظن دشمن به وجود پیام محرمانه در این تصاویر می شود. جاسازی ماتریسی از طریق تقسیم تصویر پوششی به بلوک های با طول مشخص و اعمال تغییرات محدود در هر بلوک، به کاهش اعوجاج ناشی از پنهان سازی اطلاعات محرمانه کمک می کند. با این حال، استفاده از این ساختار منجر به محدود شدن ظرفیت اطلاعات قابل پنهان سازی در تصاویر پوششی می شود. در این مقاله، ظرفیت سیستم جاسازی ماتریسی از طریق اصلاح روش فن افزایش می یابد. با افزایش حداکثر تعداد تغییرات در یک بلوک به ازای پنهان سازی تعداد بیت محرمانه مشخص در هر بلوک، طول بلوک تصویر پوششی کاهش یافته و از این رو، نرخ جاسازی افزایش می یابد. همچنین به ازای ظرفیت یکسان، اعوجاج کاهش و بازده جاسازی افزایش می یابد. در این روش، تصاویر حامل با کیفیت مطلوب و PSNR بالا حاصل می شود. از طرفی، روش پیشنهادی منجر به افزایش مقاومت در برابر پنهان شکنی می شود. این امر، احتمال ظن دشمن به وجود پیام محرمانه در تصاویر حامل را کاهش داده و امنیت را افزایش می دهد. نتایج شبیه سازی، حاکی از عملکرد مناسب روش پیشنهادی در مقایسه با سایر روش های موجود در این زمینه است.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 728

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 653 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1396
  • دوره: 

    4
  • شماره: 

    1
  • صفحات: 

    29-39
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    943
  • دانلود: 

    658
چکیده: 

پس از موضوعاتی چون تشخیص مکان خودرو و شناسایی گروه کلی خودرو، شناسایی نوع و مدل دقیق وسیله نقلیه (VMMR) در دهه اخیر در مرکز توجه محققین قرار گرفته است. این مساله به دلیل وجود تعداد کلاس های زیاد و شباهت بسیار زیاد این کلاس ها به یکدیگر، از مسائل طبقه بندی دشوار به حساب می آید. در این مقاله، روشی برای شناسایی نوع و مدل وسیله نقلیه پیشنهاد شده است.روش پیشنهادی شامل دو بخش است. ارائه رویکردی جدید برای شناسایی نوع و مدل وسیله نقلیه و ارائه روشی برای پیاده سازی این رویکرد. رویکرد پیشنهادی با تمرکز بر بخش های تشکیل دهنده خودرو از قبیل چراغ ها، جلوپنجره و نشان واره به طبقه بندی کلاس های مختلف وسیله نقلیه می پردازد. برای پیاده سازی این رویکرد، یک مدل مبتنی بر بخش را با استفاده از الگوریتم ماشین بردار پشتیبان مخفی (Latent SVM) آموزش داده ایم. این مدل قادر به استخراج پنج بخش برای هر خودرو است. توصیفگر هیستوگرام گرادیان های جهت دار برای استخراج ویژگی و ماشین بردار پشتیبان برای طبقه بندی به کار گرفته شده اند. برای آزمایش رویکرد مورد اشاره، مجموعه داده ای متشکل از 720 تصویر از نمای جلو و پشت 21 کلاس مختلف از خودروها جمع آوری شده و تمامی بخش های آن ها هم به صورت دستی و هم به صورت خودکار علامت گذاری و استخراج گشته اند. نتایج آزمایشات انجام شده بر روی این تصاویر، در درجه اول، برتری رویکرد مبتنی بر بخش را نسبت به رویکردهای پیشین نشان می دهد، و در درجه دوم، نزدیکی دقت روش علامت گذاری خودکار به روش دستی را اثبات می کند. روش پیشنهادی موفق به کسب دقت 100% بر روی نمای جلو و پشت شده است.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 943

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 658 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

یغمایی فرزین

اطلاعات دوره: 
  • سال: 

    1396
  • دوره: 

    4
  • شماره: 

    1
  • صفحات: 

    41-55
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    546
  • دانلود: 

    642
چکیده: 

تولید کلمات در زبان فارسی و ساخت دستخط به کمک اتصال حروف دست نوشته، یکی از موضوعات جالب و کاربردی می باشد، به طوری که راهبردهای جدیدی را در زمینه تشخیص حروف دست نویس فارسی و همچنین تصدیق صحت دستخط افراد مختلف، مشخص می کند. در این مقاله به ساخت دستخط افراد از دستخط های قبلی آنها بر اساس اتصال حروف، پرداخته شده است. برای این منظور در ابتدا به کمک استخراج نقاط کنترلی حروف فارسی، برخی از عادت های نوشتاری نویسنده تشخیص داده شده، سپس دسته بندی مشخصی از نحوه نوشتن کلمات و اتصال حروف نویسنده به دست می آید. الگوریتم ساخت کلمات به کمک اتصال حروف، با استفاده از روش های تقریب توابع و درونیابی با درجه های مختلف و در گام های متوالی ارائه می گردد که استفاده از این روش در ساخت کلمات، برای هرچه طبیعی تر شدن کلمه ساخته شده و مشابهت به دستخط واقعی نویسنده مفید می باشد. نتایج ارزیابی کلمات و قطعات ساخته شده با این روش نشان می دهد که تقریبا میانگین 80 درصد شباهت با دستخط واقعی نویسنده بدست آمده است.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 546

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 642 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1396
  • دوره: 

    4
  • شماره: 

    1
  • صفحات: 

    57-69
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1115
  • دانلود: 

    775
چکیده: 

تحلیل مولفه های اصلی یکی از روش هایی است که در پردازش اطلاعات و کاهش ابعاد مجموعه داده موفق عمل کرده است، اما در زمان اعمال این الگوریتم به تصاویر، بایستی آن ها را به شکل یک بردار درآورد که سبب از بین رفتن همبستگی مکانی پیکسل های مجاور می گردد. برای حل این مشکل، تحلیل مولفه های اصلی دوبعدی مطرح شده که فرآیند تبدیل تصویر به بردار را نیاز ندارد. نکته دیگر، تنک نبودن بردارهای پایه تحلیل مولفه های اصلی و هم ارزش نبودن تمامی آنان است. اخیرا تحلیل مولفه های اصلی تنک مطرح گردیده که با حفظ خواص تحلیل مولفه های اصلی استاندارد، سعی می کند تعداد زیادی از درایه های بردارهای پایه را صفر کند. در این مقاله تحلیل مولفه های اصلی دوبعدی تنک جهت بهره گیری همزمان از دو الگوریتم فوق بررسی خواهد شد.الگوریتم Least Angle Regression- Elastic Net با استفاده از قید نرم یک و نرم دو، محاسبه مولفه های اصلی یک بعدی تنک را محقق می سازد. در این مقاله با اندک تغییراتی در ورودی الگوریتم مذکور، حالت دوبعدی آن را تحقق می بخشیم. عملکرد تحلیل مولفه های اصلی دوبعدی تنک جهت فشرده سازی یک تصویرکه به بلوک های 8×8 تقسیم گردیده، ارزیابی شده و در مقایسه با عملکرد تحلیل مولفه های اصلی دوبعدی، نتایج مناسبی بدست آمده است. همچنین با استفاده از ماتریس کوواریانس بلوک های 8×8 از 60 تصویر متفاوت، مولفه های اصلی دوبعدی تنک به گونه ای محاسبه گردیده که امکان استفاده از آن ها برای هر تصویر آزمون دیگری میسر می باشد.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1115

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 775 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1396
  • دوره: 

    4
  • شماره: 

    1
  • صفحات: 

    71-87
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    656
  • دانلود: 

    989
چکیده: 

با پیشرفت فناوری، دستکاری و انتشار رسانه های رقومی مانند عکس، صوت و ویدئو به به سرعت در حال گسترش است. این روند سبب شده است تا مشکلاتی مانند کپی غیرمجاز نیز اهمیت بیشتری پیدا کند. نشانه گذاری روشی برای حفاظت از حق نشر و یا انتقال پنهان اطلاعات است. استفاده از تبدیل موجک به دلیل توانایی خوب آن در مدلسازی سیستم بینایی انسان رویکرد مناسبی در انواع روش های نشانه گذاری می باشد. تبدیل های توسعه یافته موجک نیز همچون تبدیل موجک در انواع کاربرد های پردازش تصویر به کار گرفته شده اند و نتایج خوبی از آن ها گزارش شده است. تاکنون پژوهشی متمرکز در حوزه اثربخشی موجک های توسعه یافته بر مقاومت نشانه گذاری ارائه نشده است. در این مقاله تاثیر توسعه های تبدیل موجک در حمله های مختلف بررسی شده است. بدین منظور چارچوبی عمومی مبتنی بر تجزیه ماتریسی مقدار تکین دوقطری، برای جاسازی و استخراج نشانه پیشنهاد می شود. در آزمایش های صورت گرفته طیف گسترده ای از انواع حمله ها جهت آزمون مقاومت نشانه گذاری استفاده شده است. نتایج بدست آمده نشان می دهند که موجک های سنتی مقاومت خوبی مقابل حمله هایی نظیر فشرده سازی و نویز ها دارند اما در برابر حمله های هندسی مانند دوران و قیچی کردن مقاومت کمتری دارند. درعوض توسعه های موجک گسسته چندجهته برخلاف موجک سنتی مقاومت بهتری در برابر حمله های هندسی دارند.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 656

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 989 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
telegram sharing button
whatsapp sharing button
linkedin sharing button
twitter sharing button
email sharing button
email sharing button
email sharing button
sharethis sharing button