نرم افزار - برنامه نویسی نرم افزار - شناسایی چهره با استفاده از توصیف گرهای بافت (LBP و گابور)

طراحی نرم افزار های کاربردی برای شرکت های دولتی و خصوصی

- آموزش نرم افزار متلب و کاربرد های آن در علوم مهندسی

- انجام پروژه های دانشجویی با نرم افزار های متلب و سیمولینک به همراه آموزش کامل

- انجام پروژه های تحقیقاتی در بخش صنعت


azsoftir.com
09367292276
azsoftir@gmail.com
azsoftir.com

- مشاوره در انتخاب موضوعات پایان نامه های دانشجویی

- ترجمه تخصصی متون رشته های مهندسی

- ارائه جدید ترین مقالات شبیه سازی با نرم افزار سیمولینک

- ارائه جدید ترین برنامه های نوشته شده با نرم افزار متلب

- انجام پروژه های برنامه نویسی با نرم افزار متلب

- شبیه سازی مقالات با نرم افزار متلب

- تدریس خصوصی نرم افزار متلب


azsoftir.com
09367292276
azsoftir@gmail.com
azsoftir.com

- تدریس خصوصی نرم افزار سیمولینک

- تدریس خصوصی دروس مهندسی برق


azsoftir.com
09367292276
azsoftir@gmail.com
azsoftir.com

نوشته شده توسط نویسنده | چاپ یادداشت | 0 نظر
پروژه های زیر در نرم افزار MATLAB پیاده سازی شده و همراه با گزارش کامل نحوه پیاده سازی و مراجع معتبر آماده تحویل است:
چهارشنبه 12 آذر 1393 ساعت 11:47

پروژه های زیر در نرم افزار MATLAB پیاده سازی شده و همراه با گزارش کامل نحوه پیاده سازی و مراجع معتبر آماده تحویل است:

تشخیص چهره با استفاده از شبکه های عصبی
تشخیص چهره با استفاده از رنگ پوست
تشخیص دود در تصاویر ویدئویی
تشخیص هویت بر اساس اثر انگشت
تشخیص هویت بر اساس عنبیه چشم
شناسایی حالت چهره با استفاده از توصیف گرهای بافت (LBP و گابور)
شناسایی چهره با استفاده از توصیف گرهای بافت (LBP و گابور)
شناسایی چهره با استفاده از اسپارس
طیقه بندی جهت نگاه با استفاده از توصیف گرهای بافت (LBP و گابور)
تار زدایی از تصویر
azsoftir.com
09367292276
azsoftir@gmail.com
azsoftir.com
شناسایی تومور در تصاویر MRI
تشخیص اشکال هندسی دایروی و بیضوی
تشخیص و ردیابی عنبیه در تصاویر ویدئویی
خوشه بندی داده ها و تقطیع تصویر با استفاده از
Fuzzy C-means

برای اطلاع از نحوه

یکی از معروف ترین روش های خوشه بندی، روش خوشه بندی K-means است. این روش، ابتدا به تعداد خوشه ها مرکز خوشه تعیین می کند و سپس بر اساس فاصله هر داده نسبت به این مراکز خوشه به خوشه­ بندی داده ها می پردازد. داده مورد نظر در خوشه ای قرار می گیرد که به مرکز آن خوشه کمترین فاصله ممکن را داشته باشد. مهم ترین مشکل روش K-means این است که به مراکز خوشه ها حساس است. در لینک زیر یک نمونه مثال از روش K-means برای تقطیع تصویر به صورت رایگان قرار داده شده است.
روش های دیگری از خانواده K-means برای بهبود عملکرد و رفع مشکلات این روش ارائه شده که از جمله می توان به K-harmonic means، Fuzzy K-means و Modified K-means اشاره نم