Andere Kunden interessierten sich auch für
![Aspectos de los elementos estructurantes en la segmentación morfológica de imágenes]( "Aspectos de los elementos estructurantes en la segmentación morfológica de imágenes")
Aspectos de los elementos estructurantes en la segmentación morfológica de imágenes39,99 €![Algoritmo SPIHT mejorado con DWT para la compresión de imágenes]( "Algoritmo SPIHT mejorado con DWT para la compresión de imágenes")
Algoritmo SPIHT mejorado con DWT para la compresión de imágenes39,99 €![Un sistema de detección de intrusos mediante un algoritmo de aprendizaje automático]( "Un sistema de detección de intrusos mediante un algoritmo de aprendizaje automático")
Un sistema de detección de intrusos mediante un algoritmo de aprendizaje automático29,99 €![Dominio de las imágenes hiperespectrales mediante ML y características espaciales-espectrales]( "Dominio de las imágenes hiperespectrales mediante ML y características espaciales-espectrales")
Dominio de las imágenes hiperespectrales mediante ML y características espaciales-espectrales43,99 €![Autodiagnóstico de la diabetes mediante el algoritmo CBR]( "Autodiagnóstico de la diabetes mediante el algoritmo CBR")
Autodiagnóstico de la diabetes mediante el algoritmo CBR33,99 €![Coloración de imágenes mediante la técnica de coincidencia de parches a escala cruzada]( "Coloración de imágenes mediante la técnica de coincidencia de parches a escala cruzada")
Coloración de imágenes mediante la técnica de coincidencia de parches a escala cruzada29,99 €![Modelo de predicción de enfermedades mediante el algoritmo de árbol de decisión]( "Modelo de predicción de enfermedades mediante el algoritmo de árbol de decisión")
Modelo de predicción de enfermedades mediante el algoritmo de árbol de decisión39,99 €
La recuperación de imágenes basada en el contenido (CBIR) es un conjunto de técnicas para recuperar imágenes semánticamente relevantes de una base de datos de imágenes, basadas en características de la imagen derivadas automáticamente o en el contenido de la imagen. De los primeros enfoques CBIR se desprende que las características de bajo nivel que se aplican para representar las imágenes suelen ser características globales que se extraen de toda la imagen. Sin embargo, el rendimiento de estos enfoques CBIR sigue estando muy lejos de las expectativas del usuario. El problema puede deberse a las dos razones siguientes. En primer lugar, no es raro que los objetivos que el usuario busca a través de un sistema de recuperación de imágenes no sean imágenes, sino objetos visuales en imágenes. Las características globales extraídas de la imagen no pueden representar las características de los objetos en estas imágenes. En segundo lugar, las características utilizadas en la mayoría de los trabajos CBIR son características de bajo nivel (color, textura y forma, etc.). La brecha semántica entre las características de bajo nivel y la comprensión semántica de alto nivel de las imágenes suele ser difícil de salvar.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.