Hasil Pencarian katakunci : kuantisasi vektor

Pada halaman ini, anda dapat melihat dokumen-dokumen yang berkaitan dengan katakunci yang telah anda pilih. Untuk memilih katakunci lainnya, anda dapat memilih pada bagian kanan laman website ini.

EKSTRAKSI MATA-STRIP UNTUK DETEKSI WAJAH MANUSIA
Deteksi wajah dalam pemandangan alam merupakan langkah penting dalam pengenalan wajah manusia otomatis. Mata-garis wajah manusia memainkan bagian paling penting dalam proses deteksi, karena area ini tidak terpengaruh oleh gaya rambut. Teknik geometri untuk ekstraksi fitur memiliki masalah sensitivitas terhadap kondisi pencahayaan dan ekspresi wajah. Kelemahan teknik geometris dapat dengan mudah dihindari menggunakan jaringan saraf. Dalam makalah ini, jaringan saraf belajar vektor kuantisasi (LVQ) dilatih untuk mendeteksi strip mata di daerah seperti kulit saja. Pertama, sistem warna yang dimodifikasi digunakan untuk mengekstraksi area mirip kulit dari pemandangan alami. Algoritma C-means fuzzy kemudian digunakan untuk mengatur ambang batas citra kroma berbobot rona. Area seperti kulit membangun dasar pencarian lebih lanjut untuk fitur wajah manusia. Jaringan LVQ dilatih pada strip mata yang berbeda dan area lain dari gambar wajah dan nonfasial.
KATEGORISASI SKENA YANG DIPERCEPAT GPU-DI BAWAH KATEGORI MULTISCALE-KHUSUS STRATEGI VISUAL WORD
Kami menggunakan GPU untuk mempercepat komponen penting untuk penglihatan komputer dan pengambilan informasi multimedia, yaitu kategorisasi suasana. Untuk membangun model kantung kata, kami memodifikasi perhitungan jarak Euclidean sehingga pengelompokan fitur dan kuantisasi kata visual dapat diproses secara paralel. Kami memberikan detail implementasi GPU dan melakukan eksperimen komprehensif untuk memverifikasi efisiensi GPU pada analisis multimedia.
KUANTISASI VEKTOR YANG TIDAK DITAWARKAN UNTUK ESTIMASI NEGERI ROBUST Paru-Paru SEQUENCE CITRA EIT
Setiap tahun, beberapa ribu pasien meninggal karena ventilasi mekanis. Hal ini terjadi karena paru-paru saat ini tidak dapat dimonitor secara memadai dalam waktu nyata, dan dengan demikian pengaturan ventilator yang optimal dapat menyebabkan kerusakan jaringan paru yang parah. Electrical Impedance Tomography (EIT) menghasilkan urutan gambar real-time dari paru-paru pernapasan. Sejauh ini, tidak ada metode otomatis yang tersedia untuk mendeteksi keadaan paru regional fisiologis. Kami mengusulkan algoritma yang mengelompokkan data berbasis piksel mentah dari urutan gambar EIT ke wilayah yang relevan secara klinis dengan perilaku fisiologis yang serupa. Implementasi kami sangat kuat mengenai kualitas sinyal buruk karena rasio sinyal terhadap noise yang rendah (SNR). Ini juga sangat efisien dalam hal kompleksitas komputasi dengan mempertimbangkan pengetahuan fisiologis tambahan. Fungsionalitas dari algoritma ini telah diverifikasi menggunakan data EIT dari subjek manusia dengan kegagalan paru akut pada berbagai level Tekanan Akhir-Ekspirasi Positif (PEEP). Hasilnya sesuai dengan protokol penelitian. Metode ini membawa perawatan EIT selangkah lebih dekat ke arah terapi ventilasi pelindung.