تازه ها و اخبار مهندسی کامپیوتر: منابع علمی ISI

چکیده

ما یک پیاده سازی مبتنی بر آرایه گیت قابل برنامه ریزی میدانی (FPGA) از الگوریتم تشخیص چهره ویولا-جونز ارائه می دهیم، که یک بلوک سازنده اصلی در بسیاری از کاربردها مانند نظارت تصویری و دریایی است. پیاده سازی ما، یک طراحی سخت افزار سطح سیستمی کامل است که به زبان توصیف سخت افزار، تشریح شده و در هیئت ارزیابی قابل اعتماد DE2-115 تایید شده است. هدف اولیه ما، مطالعه عملکرد قابل دستیابی با یک پیاده سازی مبتنی بر تراشه FPGA با انتهای پایین، می باشد. علاوه بر این، ما مالکیت پروژه را به طور کامل، به عموم واگذار می کنیم. ما امیدواریم که این امر، سایر محققان را قادر سازد تا به آسانی پژوهش را تکرار کرده و نتایج خود را با نتایج ما مقایسه نمایند و این موجب تشویق و تسهیل پژوهش های آتی و ایده های آموزشی در زمینه پردازش تصویر، بینایی رایانه، و طراحی دیجیتال و نمونه سازی پیشرفته FPGA گردد.

کلمات کلیدی:  تشخیص چهره ، الگوریتم ویولا-جونز ، آرایه های گیت قابل برنامه ریزی میدانی ، موازی سازی  ، منبع آزاد

————————————
عنوان اصلی مقاله : An efficient and cost effective FPGA based implementation of the Viola-Jones face detection algorithm

ترجمه فارسی عنوان :  یک پیاده سازی موثر و مقرون به صرفه مبتنی بر FPGA از الگوریتم تشخیص چهره ویولا-جونز

تعداد صفحات انگلیسی: ۸ صفحه

تعداد صفحات ترجمه :۱۵ صفحه

برای دانلود رایگان اصل مقاله و خرید ترجمه اینجا کلیک کنید

چکیده

به سبب کاربرد موفقیت آمیز الگوی باینری محلی (LBP)، در این مقاله، ما مشخصه آماری تفاضلی مجاورت پیکسل جدیدی برای تشخیص چهره و عابر پیاده بر مبنای چند نقشه کانال، را ارائه می دهیم. محاسبه الگوی باینری محلی، از دو مرحله تشکیل می شود، مشخصه تفاضلی پیکسلی (PDF) و کدگذاری علامت مشخصه تفاضلی پیکسلی. مشخصه تفاضلی پیکسلی، اطلاعات افتراقی از ناحیه محلی ایجاد می کند که می تواند عملکرد آشکارساز عابرپیاده را بهبود بخشد، اما مرحله رمزگذاری، عملکرد را به علت خطای کوانتزه تنزل می دهد. اگرچه مشخصه تفاضلی پیکسلی، از نقشه های کانال اصلی، تمییز بیشتری ایجاد می کند، اما نسبت به نقشه های مشخصه اصلی، بعد بسیار بالاتری دارد و در نتیجه به هزینه محاسبه بالایی نیاز دارد. برای بررسی این مسئله، الگوی تفاضلی مجاورت پیکسل، می توانند با هر دو روش یادگیری نظارتی و غیرنظارتی، آموخته شود، که امکان کشف الگوهای تفاضلی پیکسلی دارای تمییز در ناحیه محلی و دستیابی به نتایج پیشرفته تر را فراهم می آورد. به طور خاص، روش ما، در ابتدا، نقشه های کانال تصویر را به نقشه های سلول با ادغام حداکثر، جمع می کند. آنگاه، مشخصه تفاضلی مجاورت پیکسل مبتنی بر نقشه های هر سلول کانال، محاسبه می شوند که در کدگذاری اطلاعات دارای تمییز در هر منطقه محلی مشارکت دارد و از بهبود عملکرد، سود می برد. علاوه بر این، ما سعی در یادگیری الگوهای آماری تفاضلی دارای تمییز با استفاده از تحلیل دارای تمییز خطی (LDA) و تحلیل مولفه اصلی (PCA) برای بهبود بیشتر عملکرد، داریم. دو مجموعه از آزمایشات، به ترتیب برای تشخیص عابرپیاده و تشخیص چهره، اجرا شده اند. مجموعه داده های INRIA، Caltech،  و ETH برای تشخیص عابرپیاده، و مجموعه داده های FDDB و AFW برای تشخیص چهره از چندنما، مورد استفاده قرار می گیرند. نتایج آزمایشی، نشان می دهند که روش ما در مقایسه با حالت های پیشرفته، که در ۲۰ فریم بر ثانیه، برای تصاویر ۴۸۰×۶۴۰، اجرا می شود، عملکرد بهتری دارد.

————————————
عنوان اصلی مقاله : A novel pixel neighborhood differential statistic feature for pedestrian and face detection

ترجمه فارسی عنوان :   یک مشخصه آماری تفاضلی مجاورت پیکسل جدید برای تشخیص چهره و عابرپیاده

تعداد صفحات انگلیسی:  ۱۲ صفحه

تعداد صفحات ترجمه : ۲۴صفحه

قیمت ترجمه فارسی: ۲۴۰۰۰تومان

دانلود رایگان نسخه انگلیسی ژورنال و خرید ترجمه فارسی به صورت آنلاین از لینک های پایین