دانلود مقاله و خرید ترجمه:بازسازی سه بعدی و تشخیص چهره با استفاده از تحلیل مولفه مستقل مبتنی بر هسته و شبکه های عصبی
دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

آگهی چاپ مقاله isi
ورود اعضا
توجه توجه توجه !!!!
نرم افزار winrar
پیشنهادات ویژه
پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده پردازش تصویر
  • بازسازی سه بعدی و تشخیص چهره با استفاده از تحلیل مولفه مستقل مبتنی بر هسته و شبکه های عصبی

    سال انتشار:

    2011


    ترجمه فارسی عنوان مقاله:

    بازسازی سه بعدی و تشخیص چهره با استفاده از تحلیل مولفه مستقل مبتنی بر هسته و شبکه های عصبی


    عنوان انگلیسی مقاله:

    3D reconstruction and face recognition using kernel-based ICA and neural networks


    منبع:

    sciencedirect - elsevier - Expert Systems with Applications 38 (2011) 5406–5415


    چکیده انگلیسی:

    Kernel-based nonlinear characteristic extraction and classification algorithms are popular new research directions in machine learning. In this paper, we propose an improved photometric stereo scheme based on improved kernel-independent component analysis method to reconstruct 3D human faces. Next, we fetch the information of 3D faces for facial face recognition. For reconstruction, we obtain the correct normal vector’s sequence to form the surface, and use a method for enforcing integrability to reconstruct 3D objects. We test our algorithm on a number of real images captured from the Yale Face Database B, and use three kinds of methods to fetch characteristic values. Those methods are called contour-based, circle-based, and feature-based methods. Then, a three-layer, feed-forward neural network trained by a back-propagation algorithm is used to realize a classifier. All the experimental results were compared to those of the existing human face reconstruction and recognition approaches tested on the same images. The experimental results demonstrate that the proposed improved kernel independent component analysis (IKICA) method is efficient in reconstruction and face recognition applications.
    Keywords: Independent component analysis | 3D human face reconstruction | 3D human face recognition | Back-propagation algorithm | Neural networks


    چکیده فارسی:

    الگوریتم های طبقه بندی و انتخاب ویژگی های غیر خطی مبتنی بر هسته جزء دستورالعمل های پژوهش های رایج جدید در یادگیری ماشینی می باشد. در این مقاله، برای بازسازی چهره سه بعدی انسان ها، طرح استریوی فتومتریک اصلاح شده ای را بر اساس روش تجزیه و تحلیل مولفه مستقل از هسته اصلاح شده پیشنهاد می نماییم. سپس، اطلاعات سه بعدی چهره ها را برای تشخیص چهره صورت بازیابی می نماییم. برای بازسازی، توالی صحیح بردار قائم را برای شکل دادن سطح به دست می آوریم و برای بازسازی اشیاء سه بعدی از روشی با قابلیت انتگرال گیری استفاده می نماییم. الگوریتم را بر روی چند تصویر واقعی گرفته شده از بانک اطلاعات صورت ییل B امتحان می کنیم و برای بازیابی مقادیر مشخصه از سه روش استفاده می کنیم. این روش ها، روش های مبتنی بر طراحی، مبتنی بر دایره و مبتنی بر ویژگی نامیده می شوند. سپس، برای دسته بندی از شبکه های عصبی سه لایة خود بازخورد مرتب شده توسط الگوریتم انتشار رو به عقب استفاده شده است. تمام نتایج تجربی با نتایج بدست آمده از بازسازی چهره انسانی موجود مقایسه شد و رویکرد های بازشناسی بر روی تصاویر یکسانی مورد امتحان قرار گرفتند. نتایج تجربی نشان می دهد که روش تحلیل مولفه مستقل از هسته اصلاح شده پیشنهادی در برنامه های بازسازی و تشخیص چهره موثر می باشد.
    کلمات کلیدی: تجزیه و تحلیل مولفه مستقل | بازسازی سه بعدی چهره انسان | تشخیص سه بعدی چهره انسان | الگوریتم انتشار رو به عقب | شبکه های عصبی


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    تعداد صفحات فایل doc فارسی: 34

    حجم فایل: 1203 کیلوبایت


    قیمت: 25000 تومان  22500 تومان(10% تخفیف)


    توضیحات اضافی:




تعداد نظرات : 0

الزامی
الزامی
الزامی
پردازش-تصویر
موضوعات