این مقاله انگلیسی در 4 صفحه منتشر شده و ترجمه آن 6 صفحه بوده و آماده دانلود رایگان می باشد.
دانلود رایگان مقاله انگلیسی (pdf) و ترجمه فارسی (pdf + word) | |
عنوان فارسی مقاله: |
مشخصه رفتاری تقسیم بندی تصویر جمعیت |
عنوان انگلیسی مقاله: |
Characterizing Image Segmentation Behavior of the Crowd |
دانلود رایگان مقاله انگلیسی: | مقاله انگلیسی |
دانلود رایگان ترجمه با فرمت pdf: | ترجمه pdf |
دانلود رایگان ترجمه با فرمت ورد: | ترجمه ورد |
مشخصات مقاله انگلیسی و ترجمه فارسی | |
فرمت مقاله انگلیسی | |
تعداد صفحات مقاله انگلیسی | 4 صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | علوم اجتماعی – مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله |
پژوهشگری اجتماعی – جمعیت شناسی – جامعه شناسی – هوش مصنوعی
|
ارائه شده از دانشگاه | گروه علوم کامپیوتر دانشگاه بوستون |
رفرنس | دارای رفرنس در داخل متن و انتهای مقاله ✓ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | 6 صفحه با فونت 14 B Nazanin |
فرمت ترجمه مقاله | pdf و ورد تایپ شده با قابلیت ویرایش |
وضعیت ترجمه | انجام شده و آماده دانلود رایگان |
کیفیت ترجمه |
مبتدی (مناسب برای درک مفهوم کلی مطلب) |
کد محصول |
F1811 |
بخشی از ترجمه |
نتایج در آزمایش ما، 90 کارمند منحصر به فرد 2025 نقاشی را به خود اختصاص دادند. ما در اینجا رفتار کاربر جمعیت را با رابطه بین کیفیت یادداشت و تعداد کلیک های کاربر رسم جمعیت بخوبی زمان لازم برای حاشیه نویسی مشخص می کنیم. میانگین زمانی که کاربران برای رسم یک طرح کلی شیء در نظر گرفتند 46 ثانیه بود و میانگین آن 30 ثانیه بود (25 درصد 21ثانیه و 75 درصد 56ثانیه). متوسط زمانی که کاربران برای رسم یک طرح کلی در یک تصویر بیومتریک به کار می بردند، 26 ثانیه بود (25 درصد 18 ثانیه و 75 درصد 46 ثانیه) و در تصویر روزانه 32 ثانیه (25 درصد 48ثانیه و75درصد 80 ثانیه). تعداد متوسط کلیک کاربر 27 بود (25 درصد 20تا و 75 درصد 38تا)، 27 مورد برای تصاویر پزشکی (25 درصد 21 و 75 درصد 37 تا کلیک کاربر) و 29 برای تصاویر روزانه (25 درصد بارز 17 و 75 درصد 43 تا کلیک کاربر). برای بررسی رابطه بین کاربران زمانی که به تصاویر یادداشت پرداختند و کیفیت کار آنها ما داده های زمان تکمیل را به چهار دسته تقسیم کردیم، T1 برای 0-25 درصد، T2 برای 25-50، T3 برای 50-75، و T4 برای 75-100. سپس دقت نتایج حاشیه نویسی برای تصاویر بیومدیکال و روزانه را با توجه به این گروه های تقسیم شده تجزیه و تحلیل کردیم (شکل a 1 ). هنگام مقایسه دقت حاشیه نویسی تصاویر بیومدیکال در مقابل تصاویر روزمره، ما یک الگوی مخالف را از تغییر در نمرات دقت با افزایش زمان اتمام مشاهده کردیم: به عنوان مثال زمان تکمیل، کار افزایش یافته کیفیت حاشیه نویسی تصویر در تصاویر بیومدیکال را بدتر کرده است. با این حال، در تصاویر روزانه، یک کاربر زمان بیشتری صرف کرد، نتایج حاشیه نویسی تصویر دقیق تر به دست آمد. شکل 1 (الف) دقت علامت گذاری به عنوان تابع زمان تکمیل کار. نمرات به چهار دسته تقسیم می شوند (T1-T4) و برای تصاویر بیومدیکال و روزانه به طور جداگانه گزارش شده است. (ب) حاشیه نویسی نشان می دهد که نتیجه رسم جمعیت ازهر یک از T1 T2، T3، و T4 برای تصاویر زیست پزشکی و روزمره. برای هر شی، 17 کلیک کاربر استفاده شد. 3.2 دقت به عنوان یک عملکرد از کلیک های کاربر ما رابطه بین دقت کاربر و تعداد کلیک های کاربر را مورد بررسی قرار دادیم (شکل a 2 ).همانطور که درتجزیه و تحلیل قبلی، نتایج حاشیه نویسی را به چهار دسته تقسیم کردیم، P1 برای اولین تقسیم،P4 برای آخرین. همچنین هنگام مقایسه دقت علامت تصاویر زیست پزشکی و روزانه ویژگی های متفاوتی پیدا کردیم. برای داده های زیست پزشکی، کمترین نمرات دقت برای تقسیم بندی هایی که بیشترین تعداد کلیک های کاربر را دارند (P4) به دست آمده است. برای تصاویر روزانه، با این حال، بیشترکلیک کاربر به معنای دقت بالاتر است (P2-P4). تقسیم بندی تصاویر روزانه به دست آمده با کمترین کلیک کاربر (P1) در داشتن کمترین نمرات دقت و در (یا وزن کمتر)یک روش رأی گیری که حاوی حاشیه نهایی است میتواند مورد توجه قرار گیرد. بحث و نتیجه گیری ما شگفت زده شدیم که زمان بیشتری منجر به نتایج دقیق تر برای تفسیر محتوای آشنا در تصاویر روزانه و نتایجی با دقت کمتر برای محتوای نا آشنا از تصاویر biomedicalشد. ما تصاویر بصری را بررسی کردیم تا نتیجه بگیریم (شکل b 1 ). فرض می کنیم که کاربران که زمان بیشتری برای انجام دقیق هر نقطه کنترل صرف کرده اند در امتداد مرز شی وجود داشت. این مرز برای اشیاء روزمره قابل درک است، اما برای تصاویر بیومدیکال قابل درک نیست و مبهم است(شکل b 2). همچنین شگفت زده شدیم که کلیک های بیشتر کاربر، یعنی نقاط کنترل مرزی، منجر به روندهای مختلف مشاهده شده از کیفیت یادداشت با محتوای تصویر آشنا و نا آشنا شد. بازرسی دیداری از نتایج نشان می دهد که مرزهای اشیای زیست پزشکی بسیار پیچیده است افزایش تعداد نقاط مرزی به طور کلی در بهبود دقت بخش بندی ناکافی بود (شکل 2b). کار ما، تعیین اینکه چه چیزی از کاربران جمعیت در زمان و مکان انتظار می رود، تعداد کلیک برای دو مجموعه تصویر چالش انگیز که محتوای تصویر آشنا و آشنا را نشان می دهند تسهیل می شود. امیدواریم که این درک افراد را تشویق کند تا روش های کنترل کیفیت عمومی تر یا سیستم های طراحی مبتنی بر وب را برای سیستم های ذخیره سازی خود تشویق کنند. علاوه بر این، ما این را امیدواریم که همکاری های بین رشته ای، آینده را با برجسته کردن نحوه تجزیه و تحلیل در مورد تصاویر ناآشنا تشویق خواهد کرد (بیومدیکال) و راه هایی برای بهبود درک ما در مورد رفتار کلی جمعیت را نشان می دهد. شکل 2 (a) دقت علامت گذاری به عنوان تابع تعداد کلیک های کاربر در هر کار. نمره ها به چهار دسته تقسیم می شوند (P1-P4)و برای تصاویر بیومدیکال و روزانه به طور جداگانه گزارش شده است. (ب) حاشیه نویسی نماینده نشان دهنده یک نتیجه رسم جمعیت از هر یک از P1، P2، P3 و P4 برای تصاویر زیست پزشکی و روزمره است. زمان انطباق برای هر تصویر از 42 تا 56 ثانیه متغیر است. |