تعریف: سیستم برنامه ریزی منابع سازمان، نرم افزارهایی هستند که به سازمان ها کمک می کنند تا جریان اطلاعات و فرآیندهای کسب و کارشان را یکپارچه نمایند. آن ها عمدتاً از طریق یک بانک اطلاعاتی منفرد که اطلاعات را در رویه ای بلادرنگ جمع آوری و ذخیره می کند؛ وظایف و واحدهای سازمانی را پشتیبانی […]
دیدگاه حوزه فرکانس از اعوجاجهای موجود در تصاویر LR به منظور بازسازی تصویر HR استفاده میکند. تیسای و هانگ [24] ، ابتدا رابطهی بین تصویر وضوح بالا را با تصاویر کم وضوح شیفت یافته در حوزه فرکانس، بدست آوردند. دیدگاه حوزه فرکانس مبتنی بر اصول کلی زیر است : خاصیت جابجایی تبدیل فوریه رابطه اعوجاج
برای شناسایی علایم توسط SVM باید در ابتدا به آن آموزش داد، برای اینکار ویژگیهای تصاویر با استفاده از SIFT[1] بدست آورد. مشکلات ناشی از مقیاس[2]،چرخش[3]،اعوجاج معین[4]،تغییر دید سه بعدی، نویز وتغییرات روشنایی تاثیر کمی بر SIFT دارند]76[ ؛ پس بخوبی از عهده تطبیق تصاویر[5] بر می آید]77[. SIFTشامل دو مرحله است: تشخیص نقاط کلیدی
الگوريتم اجتماع ذرات يك الگوريتم بهينه سازي تقليدي از رفتارهاي جوامع جانوري در پردازش دانش جامعه است. اين الگوريتم PSO از دو زمينه ريشه گرفته است . نخست زندگي مصنوعي (مانند دستة پرندگان، ماهي ها) و دوم محاسبات تكاملي، در این زندگی مصنوعی]73[. الگوریتم PSOبسیاری از مشکلات را در امر تجزیه وتحلیل تصویر حل کرده
شناسایی علایم ترافیکی بخشی از موضوع گسترده تری تحت نام ” شناسایی الگو“[1] است.مشکل اصلی در شناسایی الگو، دشواری شناسایی مشخصه الگو(templates) است. بعنوان مثال برنامه ای را در نظر بگیرید که برای تشخیص صورت افراد مورد استفاده قرار می گیرد، باید صورت شخص را از بین صورتهای گوناگون موجود در تصویر شناسای کند]17[. بطور
الگوريتم هاي آموزشي متنوعي جهت آموزش شبكه هاي عصبي به كار گرفته شده است. از مهم ترين الگوريتم هاي آموزشي مي توان از الگوريتم پس انتشار(back propagation)نام برد. در الگوريتم پس انتشار در هر مرحله مقدار خروجي محاسبه شدة جديد، با مقدار واقعي مقايسه شده، و با توجه به خطاي بدست آمده به اصلاح وزنها
شبکه های عصبی از عناصر عملیاتی ساده ای تشکیل شده است که بصورت موازی با هم در ارتباطند. این عناصر از سیستم عصبی بیولوژیکی الهام گرفته اند. وظیفه این شبکه ها در حالت طبیعی این است که ارتباط بین این عناصر را برقرار کنند. با آموزش این شبکه ها میتوان که آنها را برای کار
یکی از مشکلات اساسی، که در شناخت اشیا وجود دارد ، این است که شکلها از نظر موقعیت قرارگیری ، چرخش ، بازتاب و غیره در حالت های مختلفی قرار میگیرند. • چرخش: اشیا با زاویه های متفاوتی در تصویر ظاهر میشوند، که باعث می شوند نحوه نمایش آن توسط پیکسلها، تفاوت زیادی با حالت
در این رویکرد، مشکلاتی از قبیل رنگ و شکل علامت ترافیکی با استفاده از کدگذاری دستی حل شده است. این دانش با استفاده از یادگیری ماشین ، عمل اکتشاف را انجام میدهد.پژوهشی که توسط ویولا وجونز انجام گرفت، نقصه عطفی در بینایی ماشین است. آنها الگوریتمی ارایه دادند که قادر به آشکارسازی اشیا بصورت بلادرنگ
واضح است که ترکیب اطلاعات رنگ وشکل،اطلاعات خوبی را در اختیار سیستم آشکارسازی علایم ترافیکی مهیا می کند. اطلاعاتی که از شکل به دست می آید، بهمان اندازه اطلاعاتی که از رنگ بدست می آید اهمیت دارد. با ترکیب اینها میتوان دقت سیستم را در امر آشکارسازی علایم ترافیکی، بالا برد.گاهی ممکن است که اطلاعات