raha_hakhamanesh

به نام خدا
بطور کلی باید در این پروژه با استفاده از یک یا ترکیبی از Feature Descriptorها مثل SIFT, HOG, PHOW و غیره نمونه های زیادی از سطوح معیوب رو دریافت کرده و پس از ارزیابی یک مدل بسازید
سپس با تحلیل یک نمونه جدید و به کمک Classifierهای مرسوم در خصوص نتیجه نظر بدید.

در این لینک ها توضیح کامل و مفصل به همراه پیاده سازی در Matlab و OpenCVموجود است
VLFeat - Tutorials - SIFT

SIFT: Scale Invariant Feature Transform | AI Shack

و اما در خصوص دسته بندها، نمیشه خیلی راحت گفت کدام یک بهتر است شاید این هم خودش بخشی از تز شما باشه که نیاز باشه با دسته بندهای متفاوتی مثل Adaboost, SVM و غیره نتیجه را ارزیابی کنید.

موفق باشید
.

__________________
.
.
.
برای تشکر دکمه مخصوص وجود دارد لطفا پست هرز ایجاد نکنید
.
.
اینقدر از دسترسی نداشتن به مقاله شیون نکنید

مقالات انگلیسی: ایران سای (ISI, IEEE, ACM)
مقالات فارسی: سیویلیکا (کنفرانس داخلی)
مقالات فارسی: مگ ایران (ژورنالهای داخلی)

s.b

سلام.

ممنون از سایت هایی که معرفی کردید، من تازه فهمیدم SIFT چیه!!!
یه سوال برام پیش اومده، نحوه کار با opencv چگونه است؟؟؟ چگونه نصب میشه؟؟ من نسخه 2.4.6 رو دانلود کردم ولی نمیدوم چطور میشه باهاش کار کرد و نصبش کرد؟؟
ممنون اگه کمک کنید....