Andere Kunden interessierten sich auch für
![Sistema di recupero delle immagini basato sul contenuto utilizzando l'apprendimento automatico]( "Sistema di recupero delle immagini basato sul contenuto utilizzando l'apprendimento automatico")
Sistema di recupero delle immagini basato sul contenuto utilizzando l'apprendimento automatico30,99 €![Sistema de recuperação de imagens baseado em conteúdo usando o Machine Learning]( "Sistema de recuperação de imagens baseado em conteúdo usando o Machine Learning")
Sistema de recuperação de imagens baseado em conteúdo usando o Machine Learning30,99 €![Système de recherche d'images basé sur le contenu et utilisant l'apprentissage automatique]( "Système de recherche d'images basé sur le contenu et utilisant l'apprentissage automatique")
Système de recherche d'images basé sur le contenu et utilisant l'apprentissage automatique30,99 €![Content based Image Retrieval System Using Machine Learning]( "Content based Image Retrieval System Using Machine Learning")
Content based Image Retrieval System Using Machine Learning30,99 €![Sistema poiska izobrazhenij na osnowe kontenta s ispol'zowaniem mashinnogo obucheniq]( "Sistema poiska izobrazhenij na osnowe kontenta s ispol'zowaniem mashinnogo obucheniq")
Sistema poiska izobrazhenij na osnowe kontenta s ispol'zowaniem mashinnogo obucheniq13,99 €![Eine Roadmap zur Implementierung von maschinellem Lernen in der Bauindustrie]( "Eine Roadmap zur Implementierung von maschinellem Lernen in der Bauindustrie")
Eine Roadmap zur Implementierung von maschinellem Lernen in der Bauindustrie60,90 €![Auf maschinellem Lernen basierende Erkennung von Untertiteln mit NLP]( "Auf maschinellem Lernen basierende Erkennung von Untertiteln mit NLP")
Auf maschinellem Lernen basierende Erkennung von Untertiteln mit NLP39,90 €
Inhaltsbasierter Bildauffindungsprozess in Abhängigkeit von einer neuen Matching-Strategie. Das in diesem Papier vorgeschlagene Modell besteht aus vier Hauptphasen: Merkmalsextraktion, Dimensionalitätsreduktion, ANN-Klassifikator und Matching-Strategie. In der Merkmalsextraktionsphase werden Farb- bzw. Texturmerkmale extrahiert, die als Farb-Ko-Occurrence-Matrix (CCM) und Differenz zwischen Pixeln des Scanmusters (DBPSP) bezeichnet werden. Die Technik der Dimensionalitätsreduktion wählt die effektiven Merkmale aus, die gemeinsam die größte Abhängigkeit von der Zielklasse und die geringste Redundanz untereinander aufweisen. Das künstliche neuronale Netz (ANN) in unserem vorgeschlagenen Modell dient als Klassifikator, so dass die ausgewählten Merkmale des Abfragebildes die Eingabe sind und die Ausgabe eine der mehreren Klassen ist, die die größte Ähnlichkeit mit dem Abfragebild haben.