Andere Kunden interessierten sich auch für
![Algorithmen für maschinelles Lernen & Implementierung]( "Algorithmen für maschinelles Lernen & Implementierung")
Algorithmen für maschinelles Lernen & Implementierung39,90 €![Praktische Implementierung von Modellen des maschinellen Lernens]( "Praktische Implementierung von Modellen des maschinellen Lernens")
Praktische Implementierung von Modellen des maschinellen Lernens43,90 €![Entwurf und Implementierung eines 4-BIT-Schieberegisters mit 2PASCL-Logik]( "Entwurf und Implementierung eines 4-BIT-Schieberegisters mit 2PASCL-Logik")
Entwurf und Implementierung eines 4-BIT-Schieberegisters mit 2PASCL-Logik50,90 €![Codegeruch und Anfälligkeit: Ein experimenteller Entwurf]( "Codegeruch und Anfälligkeit: Ein experimenteller Entwurf")
Codegeruch und Anfälligkeit: Ein experimenteller Entwurf43,90 €![Entwurf und Implementierung eines Prototyps für die Akupressurtherapie]( "Entwurf und Implementierung eines Prototyps für die Akupressurtherapie")
Entwurf und Implementierung eines Prototyps für die Akupressurtherapie35,90 €![Entwurf und Implementierung einer hybriden kryptographischen Technik mit AES]( "Entwurf und Implementierung einer hybriden kryptographischen Technik mit AES")
Entwurf und Implementierung einer hybriden kryptographischen Technik mit AES54,90 €![CSS-Kunstfertigkeit: Ein visueller Leitfaden für innovatives Design]( "CSS-Kunstfertigkeit: Ein visueller Leitfaden für innovatives Design")
CSS-Kunstfertigkeit: Ein visueller Leitfaden für innovatives Design43,90 €
Die inhaltsbasierte Bildsuche (CBIR) ist heutzutage die Grundlage von Bildsuchsystemen. Um genauere Suchergebnisse zu erhalten, wurden Relevanz-Feedback-Ansätze (RF) in CBIR integriert, indem die Rückmeldungen der Benutzer berücksichtigt werden. Die Erkennung und Abfrage von Markenzeichen ist eine wichtige Anwendungskomponente des Content Based Image Retrieval (CBIR). Sie befasst sich mit dem Abgleich der eingegebenen Marke oder des Logos mit den in der Datenbank gespeicherten Markenbildern. Diese Anwendung unter dem Dach von CBIR konzentriert sich auf die Optimierung der Suche in der Datenbank durch die Extraktion von minimalen Merkmalen aus der Menge der Bilder und die Verwendung von Relevanz-Feedback-Mechanismen zur Identifizierung der relevanten Bilder. Forscher, die auf dem Gebiet der Abfrage von Markenbildern arbeiten, haben Ansätze wie die quantisierte Darstellung der Logo/Markenregionen, die Bündelung der lokalen Merkmale und der Merkmale aus der räumlichen Nachbarschaft von Markenbildern in einer Einheit und das Erlernen eines statistischen Modells für die Verteilung falscher Erkennungen umgesetzt.