[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: جستجو در مقالات منتشر شده ::
4 نتیجه برای ابراهیم نژاد

آقای سعید منصوری، دکتر حسین ابراهیم نژاد،
دوره 2، شماره 2 - ( 10-1393 )
چکیده

فشرده سازی رویه های سه بعدی یک روش منتخب در کاهش حافظه مورد نیاز و انتقال موثر داده های مشهای مثلثی در شبکه های با پهنای باند کم است. در این مقاله، یک تکنیک بهبودیافته برای فشرده سازی رویه های مثلثی ارائه شده است. اساس این روش، بر استفاده از برازش ورنوی مرکزی (Centroidal Voronoi Tesselation) دارای تابع چگالی استوار می باشد. با انتخاب تابع چگالی مناسب مبتنی بر ویژگی انحنا و هموار سازی لوید(Lloyd Relaxation) ، تراکم رئوس در مش فشرده به سمت جزئیات در ناهمواریهای رویه متمایل می گردد و از تجمع اطلاعات تکراری و تراکم غیر ضروری رئوس در رویه های هموارتر جلوگیری می شود. در مرحله پس پردازش، برای جایابی بهتر رئوس و کاهش خطای فشرده سازی در مش ساده شده از بهینه سازی غیر خطی نلدر- مید (Nelder-Mead) استفاده شده است. روش پیشنهادی با روشهای کلاسیک و مدرن در مقالات اخیر مورد مقایسه قرار گرفته است. نتایج پیاده سازی، برتری روش ارائه شده را در مقایسه با روشهای موجود از نظر دقت مدل و میزان فشرده سازی نشان می دهد.
مهندس فرانک شمسافر، دکتر حسین ابراهیم نژاد،
دوره 5، شماره 1 - ( جلد 5 - شماره 1 1397 )
چکیده

 تخمین حالت سه بعدی انسان یکی از مسائل پراهمیت و پرکاربرد در بینایی ماشین است. تخمین حالت انسان، از اسکلت دو بعدی و با استفاده از اطلاعات چندگانه آغاز و طی یک روند تکاملی، به تخمین اسکلت سه بعدی با بهره‌گیری از حداقل اطلاعات ورودی سوق یافته است. در این مقاله، مسئله‌ی تخمین حالت سه بعدی انسان با استفاده از اطلاعات یک تصویر رنگی بررسی شده است. روش پیشنهادی جزء آن دسته از روش‌هایی محسوب می‌شود که ابتدا حالت دو بعدی را استخراج و سپس، با ارتقاء حالت دو بعدی تخمینی به فضای سه بعدی، حالت سه بعدی پیش‌بینی می‌شود. به دلیل آن‌که در این نوع روش‌ها، منشاء بیشتر خطاها ناشی از تخمین نادرست حالت دو بعدی است، در این مقاله، با ارائه‌‌ی روشی برای تخمین دقیق‌تری از حالت دو بعدی، خطای کمتری برای حالت سه بعدی به دست آمده است. روش پیشنهادی برای تخمین حالت دو بعدی، از یادگیری عمیق و اطلاعات نقشه‌ی لبه بهره برده است. به عبارتی دیگر، در این مقاله از ویژگی لبه که یک ویژگی طراحی شده است، برای هدایت یادگیری شبکه‌ی عصبی عمیق و یادگیری ویژگی‌ها در راستای هدف تعیین شده، استفاده شده است. آزمایش‌های انجام شده نشان می‌دهد که روش پیشنهادی به خطای کمتری در تخمین حالت دو بعدی و متعاقباً، به خطای کمتری در پیش‌بینی حالت سه بعدی تصاویر پایگاه داده‌ی Human3.6M و HumanEva-I منجر شده است.


مهندس امیررضا امیرفتحیان، دکتر حسین ابراهیم نژاد،
دوره 6، شماره 1 - ( 11-1398 )
چکیده

تولید چهره انسان از تصویر نمونه به عنوان یکی از ملزومات کاربردهای بیومتریک با هدف شناسایی هویّت اشخاص مورد استفاده قرار می گیرد. در این مقاله، تولید چهره شامل سه مرحله اصلی است. در مرحله اول آشکارسازی خطوط معنادار و لبه های تصویر نمونه با روش غیرخطی مورفولوژی مقیاس خاکستری انجام می پذیرد. سپس نواحی مو از چهره نمونه، شناسایی می شود. مرحله نهایی ترکیب تصاویر حاصل از مراحل قبل را ارایه می کند. میزان شباهت و تطابق بین طرحِ چهره ساخته شده و طرحِ هنری، با دو روش استخراج ویژگی، واکاوی مؤلفه های اساسی و جداساز خطی، مقایسه شده و مدت زمان اجرای فرآیند محاسبه می شود. آزمایش ها روی جفت تصاویر پایگاه CUHK نشان می دهد که روش پیشنهادی در مقایسه با روش های پیشرفته هنری از جمله: تبدیلات ویژه، LLE و MRF ، پیچیدگی محاسباتی ندارد و چهره فرد را با کیفیت خوب و در زمان خیلی کمتری ایجاد می کند. تطابق طرح چهره خلق شده با این روش، وقتی که از تحلیل جداساز خطی برای استخراج ویژگی استفاده شود، بیشترین مقدار و برابر با 90 درصد بدست می آید. همچنین روش پیشنهادی در برابر اثرات پس زمینه و شدت روشنایی تصاویر نمونه مقاوم می باشد.


خدیجه مهدیخانلو، حسین ابراهیم نژاد،
دوره 7، شماره 1 - ( 6-1399 )
چکیده

سیستم­های بازشناسی زبان اشاره کمک می­کنند تا افراد ناشنوا به رسانه­ های مختلف دسترسی داشته باشند. در این مقاله، سنسور کنترل کننده حرکت و تصویر دست برای بازشناسی زبان اشاره بکار گرفته شده‌اند. سنسور کنترل کننده حرکت اطلاعات مربوط به مکان سه بُعدی مفاصل دست را فراهم می­کند. سری اول ویژگی­ها از اطلاعاتی که این سنسور فراهم می­کند، استخراج می­شود. مواقعی که دست عمود بر سنسور کنترل کننده حرکت قرار نگرفته یا در حالت­هایی که دست مشت می­شود مکان دقیق مفاصل دست قابل شناسایی نیست. سری دوم ویژگی­ها که از تصویر دست استخراج می­شود کمک می­کنند تا اکثر حالت­های دست دقیق­تر بازشناسی شوند. سری دوم ویژگی­ها شامل هیستوگرام گرادیان­های جهت­دار و فاصله­ی کانتور از مرکز تصویر است. همچنین یک پایگاه داده­ی متنوع از حالت­های دست زبان اشاره­ی آمریکایی ساخته شده است که شامل 64 هزار نمونه است. در مرحله­ی بازشناسی از طبقه­بند جنگل­ تصادفی استفاده می­شود که برای پایگاه­ داده­های بزرگ انتخاب خوبی است. نتایج آزمایش­ها نشان می­دهند که روش پیشنهادی نسبت به روش­های مشابه نتایج بهتری ارائه می­دهد.
 

صفحه 1 از 1     

سامانه های غیرخطی در مهندسی برق Journal of Nonlinear Systems in Electrical Engineering
نشریه سامانه‌های غیرخطی در مهندسی برق در خصوص اصول اخلاقی انتشار مقاله، از توصیه‌های «کمیته بین‌المللی اخلاق نشر» موسوم به COPE و «منشور و موازین اخلاق پژوهش» مصوب معاونت پژوهش و فناوری وزارت علوم، تحقیقات و فناوری تبعیت می‌کند.
Persian site map - English site map - Created in 0.1 seconds with 28 queries by YEKTAWEB 4331