Andere Kunden interessierten sich auch für
![Inhaltsbasierte Bildsuche mit Support Vector Machine (SVM)]( "Inhaltsbasierte Bildsuche mit Support Vector Machine (SVM)")
Inhaltsbasierte Bildsuche mit Support Vector Machine (SVM)39,90 €![Controllo della domanda di energia basato sui sistemi di supervisione e sulle WSN]( "Controllo della domanda di energia basato sui sistemi di supervisione e sulle WSN")
Controllo della domanda di energia basato sui sistemi di supervisione e sulle WSN36,99 €![Support Vector Machine Based Speech Emotion Recognition]( "Support Vector Machine Based Speech Emotion Recognition")
Support Vector Machine Based Speech Emotion Recognition39,99 €![Sistema di ordinamento e recupero automatico basato su ADSP-BF533]( "Sistema di ordinamento e recupero automatico basato su ADSP-BF533")
Sistema di ordinamento e recupero automatico basato su ADSP-BF53336,99 €![Rilevamento del parassita della malaria Nelle immagini dello striscio di sangue: Un approccio biomedico]( "Rilevamento del parassita della malaria Nelle immagini dello striscio di sangue: Un approccio biomedico")
Rilevamento del parassita della malaria Nelle immagini dello striscio di sangue: Un approccio biomedico26,99 €![Content Based Image Retrieval Using Support Vector Machine (SVM)]( "Content Based Image Retrieval Using Support Vector Machine (SVM)")
Content Based Image Retrieval Using Support Vector Machine (SVM)26,99 €![Riconoscimento basato sui gesti: teoria e applicazioni]( "Riconoscimento basato sui gesti: teoria e applicazioni")
Riconoscimento basato sui gesti: teoria e applicazioni29,99 €
Il Content Based Image Retrieval (CBIR) è una tendenza in via di sviluppo nell'elaborazione delle immagini digitali per la ricerca e il recupero delle immagini richieste da un'ampia gamma di database. Gli schemi convenzionali di recupero di immagini basate sul contenuto (CBIR) presentano le seguenti limitazioni: 1. Proponiamo una nuova strategia a due fasi, in cui la prima fase è l'estrazione delle caratteristiche utilizzando caratteristiche di basso livello (colore, forma e texture), mentre la seconda fase utilizza un classificatore SVM per gestire gli esempi positivi rumorosi. Si tratta quindi di un efficiente algoritmo di recupero delle immagini basato sul correlogramma del colore per l'estrazione delle caratteristiche cromatiche, sulla trasformazione wavelet per l'estrazione delle caratteristiche di forma e sulla wavelet di Gabor per l'estrazione delle caratteristiche di texture.