Artificial Intelligence - هوش مصنوعی  
انجمن را در گوگل محبوب کنيد :

بازگشت   Artificial Intelligence - هوش مصنوعی > پردازش تصویر > شناسایی صورت (Face Recognition)


 
Artificial:
تبليغات سايت
کارگاه آموزشی
تبلیغات
فرادرس

فیلم های آموزشی
ژنتیک و محاسبات تکاملی
فیلم های آموزشی
شبکه عصبی مصنوعی
فیلم های آموزشی
الگوریتم های فراابتکاری
فیلم های آموزشی
داده کاوی
فیلم های آموزشی
سیستم های فازی
فیلم های آموزشی
آموزش متلب
آموزش الگوریتم TLBO آموزش شبکه عصبی مصنوعی آموزش الگوریتم کرم شب تاب آموزش داده کاوی در متلب آموزش سیستم های فازی آموزش برنامه نویسی متلب
آموزش الگوریتم PSO آموزش شبکه عصبی گازی آموزش الگوریتم مورچگان آموزش آمار و داده کاوی آموزش استنتاج فازی در متلب آموزش رابط گرافیکی در متلب
آموزش ترکیب ژنتیک و PSO آموزش شبکه عصبی رقابتی آموزش الگوریتم علف هرز آموزش وب کاوی آموزش خوشه بندی آموزش شبیه سازی با سیمولینک
آموزش الگوریتم BBO آموزش شبکه عصبی MLP آموزش الگوریتم جهش قورباغه آموزش داده کاوی RapidMiner آموزش نگارش آکادمیک آموزش تحلیل آماری در متلب
آموزش الگوریتم فرهنگی آموزش شبکه عصبی RBF آموزش الگوریتم کرم شب تاب آموزش مبانی داده کاوی تنظیم ضرایب PID در متلب آموزش واقعیت مجازی در متلب
آموزش انتخاب ویژگی آموزش شبکه عصبی LVQ آموزش الگوریتم زنبور ها آموزش کاهش تعداد رنگ تحلیل پوششی داده ها در متلب آموزش محاسبات نمادین در متلب
آموزش الگوریتم ژنتیک آموزش شبکه عصبی GMDH آموزش کلونی زنبور مصنوعی آموزش کاهش ابعاد سیستم فازی عصبی ANFIS آموزش زبان C
الگوریتم رقابت استعماری شبکه عصبی با نروسولوشن آموزش الگوریتم ژنتیک کاوش قواعد وابستگی بهینه سازی مقید در متلب آموزش زبان C++
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۰۶-۱۶-۱۳۹۵, ۱۲:۵۲ بعد از ظهر   #1 (لینک دائم)
عضو جدید
 
آواتار alirezaiee
 
تاريخ عضويت: شهريور ۱۳۹۵
پست ها: 1
تشكرها: 0
0 تشكر در 0 پست
پيش فرض تشخیص چهره با الگوریتم pca

روش PCA یا آنالیز مولفه های اصلی با تکیه بر بردارهای ویژه ی کواریانس هر ماتریس، و انتخاب با ارزش ترین بردارها که بیشترین داده های هر ماتریس را در خود نگه می دارد، روشی جهت فشرده سازی محسوب می شود که نسبت فشرده سازی آن به کیفیت تصویر یا داده بازیابی شده نسبت موفقی است.
در این روش ابتدا کواریانس تصویر محاسبه می گردد، سپس بردارهای ویژه ی ماتریس کواریانس محاسبه شده و K سطر یاستون اول آن که بیشترین اطلاعات را در خود نگه داشته است جهت بازیابی ماتریس تصویر اولیه انتخاب می شود.
آنالیز مولفه ی اصلی یک روش آماری است که داده های ورودی بعد بالا را به یک فضای خروجی بعد پایین نگاشت می کند در PCA که معروف به KLT است، یک ماتریس تبدیل خطی برگشت پذیر A داده های ورودی n بعدی را به یک y در فضای m بعدی (m<n) نگاشت می کند. به سبب کمینه سازی کوچک ترین مربع حسابی خطا برخی از مقادیر اصلی که اهمیت کمتری نسبت به بقیه دارند حذف شده اند تا اندازه ی تصویر کاهش یابد.
یکی از کاربرد های روش تجزیه به مقادیر سینگولار که اصطلاح به آن SVD اطلاق می شود، بازسازی داده ی رستری بزرگ، بدون تغییری در ماهیت داده های آن با استفاده از بازسازی ماتریس آنها توسط تعداد مقادیر غیرصفر سینگولار در SVD و یا تولید تقریبی داده های رستری با دقت دلخواه و اعمال نرخ فشرده سازی به آنها با استفاده از تعداد محدودی از مقدار سینگولار می باشد. چنین روش فشرد هسازی دارای کاربردهای مختلفی در سنجش از دور و GIS می باشد.
هر تصویر را می توان به صورت آرایه ای منظم از پیکسل ها درنظر گرفت که می توان آن را در یک ماتریس ذخیره نمود. فرم ایده آل ذخیره سازی یک تصویر در یک ماتریس، جایگذاری مقادیر پیکسلی در محل سطر و ستون ماتریس می باشد.
لذا می توان به وسیله ی تکنیک SVD اولا تقریبی از تصویر اولیه را بسته به میزان دقت دلخواه تولید نموده و یا حجم داد هی لازم جهت احیای تصویر را کاه شداد، که میزان کاهش داده یا به عبارت جامعتر فشرد هسازی تصویر وابسته به میزان تقریبی است که کاربر مایل به آن می باشد.
alirezaiee آفلاين است   پاسخ با نقل قول

پاسخ



كاربران در حال ديدن تاپيک: 1 (0 عضو و 1 مهمان)
 
ابزارهاي تاپيک
نحوه نمايش

قوانين ارسال
You may not post new threads
You may not post replies
You may not post attachments
You may not edit your posts

BB code is فعال
شکلکها فعال است
كد [IMG] فعال است
كدهاي HTML غير فعال است
Trackbacks are فعال
Pingbacks are فعال
Refbacks are فعال


فرادرس




زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۸:۲۷ بعد از ظهر ميباشد.


Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2017, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.

Teach and Learn at Hexib | Sponsored by www.Syavash.com and Product In Review

استفاده از مطالب انجمن در سایر سایت ها، تنها با ذکر انجمن هوش مصنوعي به عنوان منبع و لینک مستقیم به خود مطلب مجاز است

Inactive Reminders By Icora Web Design