1. Trang chủ
  2. » Công Nghệ Thông Tin

Tra cứu hình dạng đối tượng sử dụng kỹ thuật học hàm khoảng cách (Đồ án tốt nghiệp)

54 113 0
Tài liệu đã được kiểm tra trùng lặp

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 54
Dung lượng 15,27 MB

Các công cụ chuyển đổi và chỉnh sửa cho tài liệu này

Nội dung

Tra cứu hình dạng đối tượng sử dụng kỹ thuật học hàm khoảng cáchTra cứu hình dạng đối tượng sử dụng kỹ thuật học hàm khoảng cáchTra cứu hình dạng đối tượng sử dụng kỹ thuật học hàm khoảng cáchTra cứu hình dạng đối tượng sử dụng kỹ thuật học hàm khoảng cáchTra cứu hình dạng đối tượng sử dụng kỹ thuật học hàm khoảng cáchTra cứu hình dạng đối tượng sử dụng kỹ thuật học hàm khoảng cáchTra cứu hình dạng đối tượng sử dụng kỹ thuật học hàm khoảng cáchTra cứu hình dạng đối tượng sử dụng kỹ thuật học hàm khoảng cáchTra cứu hình dạng đối tượng sử dụng kỹ thuật học hàm khoảng cáchTra cứu hình dạng đối tượng sử dụng kỹ thuật học hàm khoảng cách

Trang 1

1

3

4

6

7

8

DUNG 9

9

11

11

11

1.2.3 Ph 12

13

13

13

18

20

n 22

25

25

25

26

27

28 28

2.2 Trích c 29

Trang 2

29

31

32

2.2.4 Inner-Distance Shape Context 34

35

36

arning New Distance Measures) 39

42

42

3.2 Bài toán 42

42

3.4 44

53

54

Trang 3

20 21

Trang 4

11

30

32

33

- Angle) 34

35

37

38

44

45

46

47

47

48

49

49

50

51

51

Hình 3 52

Trang 6

CBIR CONTENT BASED IMAGE RETRIEVAL

Trang 8

S ông ngh

theo ý hông

Trang 9

DUNG 1.1

k

-Level features):

relationship)

Trang 10

:

T

hình t

, nv

Trang 11

M

1.2.1

1.2.2

Trang 12

1.2.3

Trang 14

o phân

Trang 17

chính là hình Belongiehá

Trang 18

Chúng ta

Trang 19

-Integrated region matching

1.3.2.1

Histogram intersection Distanc (Swain and Ball 1991) :

1 và h2

Dist H1= 1 - i-1min(h1i,h2i)

Tuy nhiên thông tin

Trang 20

thâp, thích

dùng không cao

SVM, MIL, statistical models, Bayesian classifiers, k -NN, trees

hình

Trang 21

c

a

cách pair-wise Các vector

k-mean, k-center

nonparametric mode based)

vector

-K - Mean

Trang 22

không có

1.3.4.1

Trang 23

n(one - class learning)

Trang 27

, Google, Yahoo, Bing,

Trang 32

ng,

2

hai trong hình O

Hình 2.2: V

C

xhình thành nên

Trang 33

c t

oi nh

1 và p2 Euclidean ||p1 p2|| nh 2.3 :

Trang 37

trong hình 2.6, ta

do tron

Trang 39

)

T

C)

, C) > d(A, B) +d(B, C), thì

: d(A, C) >d(A, Bk) k, ,C)

Trang 42

3.1 M

MPEG7 Nhóm các modul

3.2 Bài toán

(Shape)g

(Offline):

cách trong (IDSC)

trong CSDL

Trang 44

3.4

Trang 45

Tr

Trang 48

ch

Trang 52

Nhìn vào k

Hình 3.12: G

Trang 53

trình bày

quan

Trang 54

[1] Datta, R., Joshi, D., Li, J., Wang, J.Z.: Image retrieval: Ideas, influences, and trends of the new age ACM Computing Surveys 40 (2008)

-ce, 29 (2007).

Website: www.matworks.com

Ngày đăng: 27/02/2018, 10:23

TỪ KHÓA LIÊN QUAN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

🧩 Sản phẩm bạn có thể quan tâm