دانلود ترجمه مقاله شناسایی سریع چهره مبتنی بر تئوری فراکتال (ساینس دایرکت – الزویر ۲۰۱۸) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

elsevier

 

 

این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در ۱۰ صفحه در سال ۲۰۱۸ منتشر شده و ترجمه آن ۱۷ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

شناسایی سریع چهره مبتنی بر تئوری فراکتال

عنوان انگلیسی مقاله:

Fast face recognition based on fractal theory

 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۸
تعداد صفحات مقاله انگلیسی ۱۰ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله پژوهشی (Research Article)
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی کامپیوتر
گرایش های مرتبط با این مقاله هوش مصنوعی
چاپ شده در مجله (ژورنال) ریاضیات و محاسبات کاربردی – Applied Mathematics and Computation
کلمات کلیدی تشخیص چهره، کد فراکتال، نظریه فراکتال
کلمات کلیدی انگلیسی Face recognition – Fractal theory – Fractal code
ارائه شده از دانشگاه دانشکده مهندسی مکاترونیک و اتوماسیون ، دانشگاه شانگهای ، چین
نمایه (index) Scopus – Master journals – JCR
نویسندگان Zhijie Tang، Xiaocheng Wu، Bin Fu، Weiwei Chen، Hao Feng
شناسه شاپا یا ISSN ISSN ۰۰۹۶-۳۰۰۳
شناسه دیجیتال – doi https://doi.org/10.1016/j.amc.2017.11.017
ایمپکت فاکتور(IF) مجله ۳٫۳۵۰ در سال ۲۰۱۸
شاخص H_index مجله ۱۲۵ در سال ۲۰۱۹
شاخص SJR مجله ۰٫۹۲۷ در سال ۲۰۱۸
شاخص Q یا Quartile (چارک) Q1 در سال ۲۰۱۸
بیس نیست 
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۹۹۹۷
لینک مقاله در سایت مرجع لینک این مقاله در نشریه Elsevier
نشریه الزویر

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود در فایل ورد و PDF
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۷ صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه نشده است 
ترجمه متون داخل جداول ترجمه شده است  
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن به صورت عدد درج شده است  
منابع انتهای متن به صورت انگلیسی درج شده است  

 

فهرست مطالب

چکیده
۱- مقدمه
۲- تئوری و روش کدنویسی فراکتال
۲-۱- تقسیم بندی بلوک های range و بلوک های domain
۲-۲- کدگذاری فراکتال
۲-۳- کد گشایی فراکتال
۳- تشخیص چهره بر اساس نظریه فراکتال
۳-۱- فاصله همسایه فراکتال
۳-۲- طبقه بندی مبتنی بر فاصله ی همسایه ی فراکتال
۴- نتایج آزمایش
۴-۱- در پایگاه داده Yale
۴-۲- در پایگاه داده FERET
۴-۳- در پایگاه داده CMU PIE
۴-۴- بحث
۵- نتیجه گیری ها
منابع

 

بخشی از ترجمه

چکیده

امروزه مردم بیشتر و بیشتر نگران دقت، سرعت و راحتی در روند شناسایی شخصی هستند. در زمینه زیست شناسی و نگرش کامپیوتر، تعدادی روش پیشنهاد شده است، در حالی که یک روش مناسب برای تشخیص چهره هنوز یک چالش است. اگر چه برخی از سیستم های قابل اطمینان و روش های پیشرفته تحت شرایط نسبتا کنترل شده معرفی شده اند، میزان و سرعت تشخیص آنها در تنظیمات عمومی رضایت بخش نیست. این به ویژه هنگامی صحیح می باشد که تغییرات در ژست، روشنایی و حالات چهره وجود داشته باشد. این مقاله یک روش تشخیص چهره سریع مبتنی بر نظریه فراکتال را پیشنهاد می کند. این روش متراکم کردن تصاویر چهره برای بدست آوردن کد های فراکتال و تشخیص چهره کامل با این کد است. نتایج تجربی در پایگاه داده های Yale، FERET و CMU PIE بیانگر بازده بالا روش ما در زمان اجرا و میزان صحیح بودن است.

 

۵- نتیجه گیری ها

در این مقاله ابتدا روش کد نویسی فراکتال معرفی شده است. عمل کد گشایی تکرار در واقع یک فرایند تار کردن است که می تواند اطلاعات با فرکانس بالا و اثرات روشنایی، انسداد و حالات ریز چهره بر نتایج آزمایش را حذف کند. همانطور که مهم است، هنگامی که روش کدنویسی فراکتال برای تشخیص چهره به عنوان یک تکنولوژی متراکم سازی اعمال می شود، فقط باید کدهای فراکتال نمونه های آموزشی را بدست آوریم و آن ها را ذخیره کنیم، که می تواند به ما در صرفه جویی در فضای ذخیره سازی کمک کند. برای براورده کردن نیازهای افراد به تشخیص سریع چهره، ما FNDC را پیشنهاد می کنیم که روش های تشخیص فراکتال سنتی را با استفاده از اطلاعات کلاس برای تنظیم آستانه های بین کلاسی و آستانه های درون کلاسی برای سرعت بخشیدن به سرعت تشخیص بهبود می بخشد. ما آزمایشات را بر روی پایگاه داده های Yale، FERET و CMU PIE انجام دادیم و شایسته بودن FNDC را نشان دادیم.

 

بخشی از مقاله انگلیسی

Abstract

Nowadays, people are more and more concerned about accuracy, rapidity and convenience in the process of personal identification. In the field of biology and computer vision, a variety of methods have been proposed, while a proper method for face recognition is still a challenge. Although some reliable systems and advanced methods have been introduced under relatively controlled conditions, their recognition rate or speed is not satisfactory in the general settings. This is especially true when there are variations in pose, illumination, and facial expression. This paper proposed a fast face recognition method based on fractal theory. This method is to compress the facial images to obtain fractal codes and complete face recognition with these codes. Experimental results on Yale, FERET and CMU PIE databases demonstrate the high efficiency of our method in runtime and correct rate.

 

۵- Conclusions

In this paper, a fast fractal coding method is firstly introduced. The operation of decoding iterations is actually a blurring process which can omit the high frequency information and overcome the effects of illumination, occlusion and micro expression on the experimental results. Just as important, when the fractal coding method is applied to face recognition as a compression technology, we just need to obtain and store fractal codes of training samples, which can help us greatly save storage space. To meet people’s requirements of fast face recognition, we propose FNDC which improves the traditional fractal recognition methods using class information to set up between-classes and within-classes thresholds to accelerate the recognition speed. We conducted experiments on Yale, FERET and CMU PIE databases and demonstrate the merits of FNDC.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

شناسایی سریع چهره مبتنی بر تئوری فراکتال

عنوان انگلیسی مقاله:

Fast face recognition based on fractal theory

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *