Daniel KerenObject recognition supp

Daniel KerenObject recognition supported by user interaction for service robots 2, 474-477, 2002The goal of this paper is to offer a framework for image classification "by type". For example, one may want to classify an image of a certain office as man-made - as opposed to outdoor scene, even if no image of a similar office exists in the training set. This is accomplished by using local features, and by using the naive Bayes classifier. The application presented here is classification of paintings; after the system is presented with a sample of paintings of various artists, it tries to determine who was the painter who painted it. The result is local - each …

Kết quả (Việt) 1:

Daniel Keren
công nhận đối tượng được hỗ trợ bởi tương tác người dùng cho robot dịch vụ 2, 474-477, 2002
Mục tiêu của nghiên cứu này là để cung cấp một khuôn khổ cho việc phân loại hình ảnh "bởi loại". Ví dụ, người ta có thể muốn để phân loại hình ảnh của một văn phòng nào đó như con người gây ra - như trái ngược với cảnh ngoài trời, thậm chí nếu không có hình ảnh của một văn phòng tương tự tồn tại trong tập huấn luyện. Này được thực hiện bằng cách sử dụng các tính năng của địa phương, và bằng cách sử dụng phân loại Bayes ngây thơ. Các ứng dụng trình bày ở đây là phân loại các bức tranh; sau khi hệ thống được trình bày với một mẫu của bức tranh của các nghệ sĩ khác nhau, nó cố gắng xác định xem ai là người họa sĩ vẽ nó. Kết quả là địa phương - mỗi ...

Kết quả (Việt) 2:

Phuong
Nhận dạng đối tượng được hỗ trợ bởi tương tác người dùng cho robot dịch vụ 2, 474-477, 2002
Mục tiêu của giấy này là cung cấp một khuôn khổ cho phân loại hình ảnh "theo loại ". Ví dụ, người ta có thể muốn phân loại một hình ảnh của một văn phòng nhất định như nhân tạo-như trái ngược với cảnh ngoài trời, ngay cả khi không có hình ảnh của một văn phòng tương tự tồn tại trong tập huấn. Điều này được thực hiện bằng cách sử dụng các tính năng địa phương, và bằng cách sử dụng phân loại Bayes ngây thơ. Các ứng dụng được trình bày ở đây là phân loại các bức tranh; sau khi hệ thống được trình bày với một mẫu của bức tranh của các nghệ sĩ khác nhau, nó cố gắng để xác định ai là họa sĩ vẽ nó. Kết quả là địa phương-mỗi...

Kết quả (Việt) 3:

Daniel Kern.
Nhận dạng đối tượng được hỗ trợ bởi người dùng tương tác với robot dịch vụ 2, 44-77, I
Mục đích của tờ giấy này là cung cấp một khung cảnh cho việc phân loại ảnh "theo kiểu".Ví dụ, người ta có thể muốn phân loại hình ảnh của một văn phòng nào đó như là nhân tạo (nhân tạo) so với cảnh ngoài trời, cho dù trong bộ huấn luyện không có ảnh của một văn phòng tương tự.Việc này được thực hiện bằng cách sử dụng các tính năng địa phương, và sử dụng các nhà phân loại gan lì.Tác dụng được đưa ra ở đây là phân loại tranh, sau khi hệ thống được cung cấp với mẫu tranh của các nghệ sĩ khác nhau, nó cố gắng xác định ai là họa sĩ đã vẽ nó.Kết quả là mỗi từ