دانلود مقاله ترجمه شده ارزیابی نقشه عمق از تصویر تک نمایی با طبقه بندی هدف مبتنی بر یادگیری بیزی – ۲۰۱۰ IEEE

ieee2

 

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

ارزیابی نقشه عمق از تصویر تک نمایی با طبقه بندی هدف مبتنی بر یادگیری بیزی

عنوان انگلیسی مقاله:

Depth Map Estimation From Single-View Image Using Object Classification Based On Bayesian Learning

 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۰
تعداد صفحات مقاله انگلیسی ۴ صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی کامپیوتر و فناوری اطلاعات
گرایش های مرتبط با این مقاله مهندسی نرم افزار و سیستم های چندرسانه ای
کلمات کلیدی تبدیل دو بعدی به سه بعدی، تخمین عمق، نشانه های عمق تک چشمی، تولید صحنه های سه بعدی، تصویر تک نمایی
ارائه شده از دانشگاه موسسه علوم و فناوری گوانگجو ، کره
نویسندگان Jae-Il Jung , Yo-Sung Ho
شناسه شاپا یا ISSN ISSN ۲۱۶۱-۲۰۲۱
شناسه دیجیتال – doi https://doi.org/10.1109/3DTV.2010.5506603
رفرنس دارد 
کد محصول ۹۴۱۴
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه طلایی⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۴ 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 نشده 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 

 

فهرست مطالب

چکیده

۱- مقدمه

۲- نشانه های عمق تک چشمی

۳- طبقه بندی شی

۳-۱- نوع شی

۳-۲- صفات (ویژگی ها)

۳-۳- طبقه بندی بیزی

۴- انتساب عمق

۴-۱- نقشه عمق اساسی

۴-۲- انتساب عمق برای اشیاء

۵- نتایج تجربی

۶- نتیجه گیری

 

بخشی از ترجمه

چکیده

تولید صحنه های سه بعدی (۳D) از تصاویر دو بعدی (۲D)، یک گام مهم برای یک مقدمه موفق به خدمات چند رسانه ای سه بعدی است. در میان مسائل مربوطه، تخمین عمق از یک تصویر تک نمایی احتمالاً دشوارترین و چالش برانگیزترین وظیفه می باشد. در این مقاله، یک روش تخمین عمق جدید با استفاده از طبقه بندی شی بر اساس الگوریتم یادگیری بیزی را پیشنهاد می کنیم. با استفاده از داده های آموزشی از ۶ ویژگی، اشیا در تصویر تک نمایی را به ۴ نوع مختلف دسته بندی می کنیم. با توجه به نوع، یک مقدار عمق نسبی به هر شی تخصیص می دهیم و یک مدل ۳ بعدی ساده را تولید می کنیم. نتایج تجربی نشان می دهد که روش پیشنهادی اطلاعات عمق را به درستی تخمین می زند و یک مدل ۳ بعدی را تولید می نماید.

 

۶- نتیجه گیری

به دلیل علاقه به مطالب سه بعدی که به تدریج در حال افزایش است، تکنیک های پردازش تصویرهای سه بعدی توجه بیشتری را جذب می کند. تولید صحنه سه بعدی از یک تصویر تک نمایی یک فناوری ضروری برای محتویات سه بعدی است. در میان مشکلات مرتبط با آن، تخمین عمق مهمترین و پیچیده ترین کار است. در این مقاله، الگوریتم تخمین عمق از یک تصویر تک نمایی با استفاده از طبقه بندی شی بر اساس یادگیری را پیشنهاد کردیم. بر اساس مجموعه داده های آموزشی در مورد ۶ ویژگی، اشیا در یک تصویر تک نمایی به ۴ نوع دسته بندی شده بود: آسمان، زمین، مکعب و صفحه. با توجه به انواه انها، مقادیر عمق نسبی می تواند با الگوریتم ما اختصاص داده شود. نتایج تجربی نشان می دهد که روش پیشنهادی نقشه های عمق را تخمین می زند که شبیه به درک ما می باشد و می تواند بطور موفقیت آمزی صحنه های سه بعدی از تصاویر سه بعدی را تولید کند.

 

بخشی از مقاله انگلیسی

Abstract

Generation of three-dimensional (3D) scenes from two- dimensional (2D) images is an important step for a successful introduction to 3D multimedia services. Among the relevant problems, depth estimation from a single-view image is probably the most difficult and challenging task. In this paper, we propose a new depth estimation method using object classification based on the Bayesian learning algorithm. Using training data of six attributes, we categorize objects in the single-view image into four different types. According to the type, we assign a relative depth value to each object and generate a simple 3D model. Experimental results show that the proposed method estimates depth information properly and generates a good 3D model.

 

۶- CONCLUSIONS

Because interest on 3D contents is increasing gradually image processing techniques are attracting more attention. The 3D scene generation from a single technology for the 3D contents. Among its relevant problems, the depth estimation is the most significant and complicated task. In this paper, we proposed the depth estimati single-view image using object classification based on the Bayesian learning. On the basis of attributes, objects in a single-view image were categorized into four types: SKY, GROUND, CUBIC, and PLANE. According to their types, relative depth values can be assigned with our algorithm. Experimental results show that the proposed method estimates the depth maps which is similar to our perception, and successfully generates the 3D scene of the input image.

 

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

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

ارزیابی نقشه عمق از تصویر تک نمایی با طبقه بندی هدف مبتنی بر یادگیری بیزی

عنوان انگلیسی مقاله:

Depth Map Estimation From Single-View Image Using Object Classification Based On Bayesian Learning

 

 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.