| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
تشخیص سریع مولتی کلاس خودروها در تصاویر هوایی |
| عنوان انگلیسی مقاله: |
Fast multiclass vehicle detection on aerial images |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| تعداد صفحات مقاله انگلیسی | 5 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر و مهندسی مکانیک |
| گرایش های مرتبط با این مقاله | مهندسی نرم افزار و هوش مصنوعی |
| دانشگاه تهیه کننده | مرکز رصد کره زمین |
| کلمات کلیدی این مقاله | طبقه بندی، کوتاهترین زمان ممکن ، تشخیص خودرو |
| رفرنس | دارد |
| نشریه | Dlr |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 15 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه نشده 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 |
- فهرست مطالب:
چکیده
مقدمه
کارهای مربوطه
تشخیص چندجهتی خودروها
A. دکتور دوتایی Sliding-Window
B. تشخیص چندجهتی
طبقه بندی مولتی کلاس خودروها
A. برآورد جهت
B. طبقه بندی نوع
نتایج تجربی
نتایج تصاویر شهر مونیخ
B. مقایسه خط پایه ای بر روی تصاویر UAV
C. نتایج کیفی از سراسر جهان
نتیجه گیری
- بخشی از ترجمه:
6. نتیجه گیری
ما روشی را ارائه دادیم که می تواند وسایل نقلیه را به همراه اطلاعات جهت و نوع آنها بر روی تصاویر هوایی در عرض چند ثانیه در تصاویر بزرگ، تشخیص دهد. استفاده از ICFs در ساختار softcascade در هر دو سرعت های سریع و عملکرد خوب تشخیص، نتیجه می دهد. دکتور بر روی تصاویر اصلی کار می کند که در آنها هیچ اطلاعاتی در مورد وضوح و ژئورفرنس وجود ندارد. برای کارهای آینده، می توان عملکرد را توسط استفاده از یک شبکه عصبی عمیق پس از استفاده از دکتور دوتایی، بطور بیشتری بهبود بخشید، مانند مناطقی با مشخصات شبکه عصبی Convolutional (R-CNN) که در منبع (15) آورده شده است. از آنجا که این مورد تنها در بخشی از تصاویر کاربرد دارد، سرعت دکتور هنوز هم می تواند سریعتر گردد.
- بخشی از مقاله انگلیسی:
VI. CONCLUSION
We have presented a method which can detect vehicles with orientation and type information on aerial images in a few seconds on large images. The application of Integral Channel Features in a Soft Cascade structure results in both good detection performance and fast speed. The detector works on original images where no georeference and resolution information is available. As future work the performance could be further improved by using a deep neural network after the binary detector like R-CNN in [15]. Since this has to be applied only to a fraction of the image, the speed of the detector would be still fast.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
تشخیص سریع مولتی کلاس خودروها در تصاویر هوایی |
| عنوان انگلیسی مقاله: |
Fast multiclass vehicle detection on aerial images |
|
|