Andere Kunden interessierten sich auch für
![Mise en place d¿un moteur de recherche d'images par le contenu]( "Mise en place d¿un moteur de recherche d'images par le contenu")
Mise en place d¿un moteur de recherche d'images par le contenu32,99 €![Résumé de texte basé sur les requêtes en utilisant une approche d'apprentissage automatique]( "Résumé de texte basé sur les requêtes en utilisant une approche d'apprentissage automatique")
Résumé de texte basé sur les requêtes en utilisant une approche d'apprentissage automatique26,99 €![Prédiction de la cirrhose du foie par l'apprentissage automatique]( "Prédiction de la cirrhose du foie par l'apprentissage automatique")
Prédiction de la cirrhose du foie par l'apprentissage automatique33,99 €![Recherche de cas cliniques similaires]( "Recherche de cas cliniques similaires")
Recherche de cas cliniques similaires55,99 €![Système de sécurité des appareils domestiques basé sur l'IdO utilisant Raspberry Pi]( "Système de sécurité des appareils domestiques basé sur l'IdO utilisant Raspberry Pi")
Système de sécurité des appareils domestiques basé sur l'IdO utilisant Raspberry Pi23,99 €![Cadre de détection d'intrusion basé sur l'apprentissage profond dans l'IdO industriel]( "Cadre de détection d'intrusion basé sur l'apprentissage profond dans l'IdO industriel")
Cadre de détection d'intrusion basé sur l'apprentissage profond dans l'IdO industriel29,99 €![Détection de sous-titres basée sur l'apprentissage automatique et le traitement automatique des langues (NLP)]( "Détection de sous-titres basée sur l'apprentissage automatique et le traitement automatique des langues (NLP)")
Détection de sous-titres basée sur l'apprentissage automatique et le traitement automatique des langues (NLP)26,99 €
Processus de recherche d'images basé sur le contenu selon une nouvelle stratégie d'appariement. Dans cet article, le modèle proposé est composé de quatre phases principales : l'extraction de caractéristiques, la réduction de la dimensionnalité, le classificateur ANN et la stratégie d'appariement. La phase d'extraction de caractéristiques permet d'extraire des caractéristiques de couleur et de texture, respectivement appelées matrice de cooccurrence des couleurs (CCM) et différence entre les pixels du modèle de balayage (DBPSP). La technique de réduction de la dimensionnalité sélectionne les caractéristiques efficaces qui ont conjointement la plus grande dépendance à la classe cible et une redondance minimale entre elles. Le réseau neuronal artificiel (ANN) dans notre modèle proposé sert de classificateur de sorte que les caractéristiques sélectionnées de l'image de la requête sont l'entrée et sa sortie est l'une des classes multiples qui ont la plus grande similarité avec l'image de la requête.