ترجمه مقاله تشخیص جنسیت و قومیت از پروفایل های نیم رخ سایه صورت - نشریه IEEE

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

تشخیص جنسیت و قومیت از پروفایل های نیم رخ سایه صورت

عنوان انگلیسی

Gender And Ethnicity Identification From Silhouetted Face Profiles

صفحات مقاله فارسی

7

صفحات مقاله انگلیسی

4

سال انتشار

2009

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

F999

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

هوش مصنوعی و مهندسی الگوریتم ها و محاسبات

مجله

شانزدهمین کنفرانس بین المللی IEEE در پردازش تصویر - 16th IEEE International Conference on Image Processing

دانشگاه

گروه مهندسی برق و کامپیوتر، ایالات متحده آمریکا

کلمات کلیدی

تشخیص چهره، تشخیص الگو و پردازش تصویر

ترجمه این مقاله به صورت خلاصه و با کیفیت متوسط انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.

فهرست مطالب

چکیده
1- مقدمه
2- پس زمینه
3- دیتابیس
4- زمینه شکل
5- تبدیل مختصات
6- روش شناسی
7-ازمایش و نتایج
8- مشاهدات و بحث

نمونه چکیده متن اصلی انگلیسی

ABSTRACT

This paper demonstrates, to our best knowledge, the first attempt on gender and ethnicity identification from silhouetted face profiles using a computer vision technique. The results achieved, after testing on 441 images, show that silhouetted face profiles have a lot of information, in particular, for ethnicity identification. Shape context based matching [1] was employed for classification. The test samples were multi-ethnic. Average accuracy for gender was 71.20% and for ethnicity 71.66%. However, the accuracy was significantly higher for some classes, such as 83.41% for females (in case of gender identification) and 80.37% for East and South East Asians (in case of ethnicity identification).

نمونه چکیده ترجمه متن فارسی

چکیده
این مقاله اولین به شناسایی جنسیت و نژاد از پروفیل های چهره سایه دار با استفاده از روش چشم کامپیوتری می پردازد. نتایج بعد از تست 441 تصویر نشان داد که پروفیل های سایه دار دارای حداکثر میزان اطلاعاتی هستند که برای شناسایی نژاد استفاده می شوند. تطبیق مبتنی بر زمینه شکل برای طبقه بندی استفاده شد. نمونه های ازمایشی به صورت چند نژادی هستند. صحت متوسط برای جنسیت 71.20 و برای نژاد 71.66 درصد هستند. با این حال، صحت برای برخی کلاس ها معنی داربود یعنی 83.41 درصد برای زنان و 80.37 درصد برای شرق و جنوب شرق اسیا.