(DOC) CÔ-ĐẶC | Kim Phạm Thị Mỷ

Academia.eduAcademia.eduLog InSign Up
  • Log In
  • Sign Up
  • more
    • About
    • Press
    • Papers
    • Terms
    • Privacy
    • Copyright
    • We're Hiring!
    • Help Center
    • less

Outline

keyboard_arrow_downTitleFirst page of “CÔ-ĐẶC”Academia Logodownload

Download Free PDF

Download Free DOCXCÔ-ĐẶCProfile image of kim phạm thị mỷkim phạm thị mỷvisibility

description

20 pages

descriptionSee full PDFdownloadDownload PDF bookmarkSave to LibraryshareShareclose

Sign up for access to the world's latest research

Sign up for freearrow_forwardcheckGet notified about relevant paperscheckSave papers to use in your researchcheckJoin the discussion with peerscheckTrack your impactSee full PDFdownloadDownload PDFLoading...

Loading Preview

Sorry, preview is currently unavailable. You can download the paper by clicking the button above.

kim phạm thị mỷaddFollowmailMessagePapers1Followers97View all papers from kim phạm thị mỷarrow_forward

Related papers

Điểm Danh Bằng Mặt Người Với Đặc Trưng Gist Và Máy Học Véctơ Hỗ Trợ16.Trần Nguyễn Minh Thư

FAIR - NGHIÊN CỨU CƠ BẢN VÀ ỨNG DỤNG CÔNG NGHỆ THÔNG TIN - 2017, 2017

Trong bài viết này, chúng tôi đề xuất hệ thống điểm danh bằng mặt người với máy học véctơ hỗ trợ (Support Vector Machines-SVM) sử dụng đặc trưng GIST. Hệ thống điểm danh thực hiện hai bước chính là định vị khuôn mặt trong ảnh thu được từ camera và định danh đối tượng từ ảnh khuôn mặt. Bước định vị khuôn mặt được thực hiện dựa trên các đặc trưng Haar-like kết hợp với mô hình phân tầng (Cascade of Boosted Classifiers-CBC). Chúng tôi đề xuất huấn luyện mô hình máy học SVM sử dụng đặc trưng GIST để thực hiện định danh đối tượng từ ảnh khuôn mặt. Kết quả thực nghiệm trên tập dữ liệu gồm 6722 ảnh của 132 đối tượng là những sinh viên Khoa CNTT-TT, Trường Đại học Cần Thơ cho thấy máy học SVM sử dụng đặc trưng GIST đạt đến 99.29% độ chính xác trên tập kiểm tra, cao hơn khi so với mô hình mạng nơron tích chập (Convolutional Neural Network-CNN), máy học SVM sử dụng mô hình túi từ (Bag-of-Words-BoW) của đặc trưng SIFT (Scale-Invariant Feature Transform), Bayes thơ ngây với láng giềng gần nhất (Naïve Bayes Nearest Neighbor-NBNN) sử dụng đặc trưng SIFT có độ chính xác lần lượt là 96.88%, 97.54% và 98.88%. Từ khóa: Nhận dạng mặt người, đặc trưng GIST, máy học véctơ hỗ trợ (SVM).

downloadDownload free PDFView PDFchevron_rightTruy Vấn Hướng Đối Tượng Dựa Trên Phân Cấp Tập Tin Chữ Ký Và Cây SD-TreeTrân Bảo

FAIR - NGHIÊN CỨU CƠ BẢN VÀ ỨNG DỤNG CÔNG NGHỆ THÔNG TIN 2015, 2016

Truy vấn trực tiếp trên các đối tượng trong cơ sở dữ liệu hướng đối tượng rất tốn kém chi phí lưu trữ dữ liệu trong quá trình truy vấn và tốn nhiều thời gian để thực hiện truy vấn trên hệ thống dữ liệu thực. Gần đây, có nhiều nghiên cứu tập trung vào việc giải quyết vấn đề đó bằng cách xây dựng các chỉ mục trên các lớp đơn, phân cấp lớp, hoặc phân cấp đối tượng lồng nhau. Trong bài báo này, chúng tôi sẽ đề xuất một phương pháp lập chỉ mục mới. Phương pháp này dựa trên kỹ thuật sử dụng tập tin chữ ký và cây SD-tree trong đó các tập tin chữ ký được tổ chức theo phân cấp để nhanh chóng lọc dữ liệu không thích hợp và mỗi tập tin chữ ký được lưu theo cấu trúc cây SD-tree nhằm tăng tốc độ quét chữ ký. Kỹ thuật này giúp giảm đáng kể không gian tìm kiếm và do đó sẽ cải thiện đáng kể độ phức tạp thời gian truy vấn.

downloadDownload free PDFView PDFchevron_right Academia
  • Explore
  • Papers
  • Topics
  • Features
  • Mentions
  • Analytics
  • PDF Packages
  • Advanced Search
  • Search Alerts
  • Journals
  • Academia.edu Journals
  • My submissions
  • Reviewer Hub
  • Why publish with us
  • Testimonials
  • Company
  • About
  • Careers
  • Press
  • Help Center
  • Terms
  • Privacy
  • Copyright
  • Content Policy
Academia580 California St., Suite 400San Francisco, CA, 94104© 2026 Academia. All rights reserved

Từ khóa » Thiết Bị Cô đặc Chân Không Gián đoạn