9786204493855 - Bildsegmentierung mit Clustering-Algorithmus: Hierarchisch Agglomerative K-Means di K., Sakthivel; C., Kavitha; C, Nallusamy (5 risultati)

Taschenbuch. Condizione: Neu. Bildsegmentierung mit Clustering-Algorithmus | Hierarchisch Agglomerative K-Means | Sakthivel K. (u. a.) | Taschenbuch | 76 S. | Deutsch | 2022 | Verlag Unser Wissen | EAN 9786204493855 | Verantwortliche Person für die EU: BoD - Books on Demand, In de Tarpen 42, 22848 Norderstedt, info[at]bod[dot]de | Anbieter: preigu.

Taschenbuch. Condizione: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Content Based Image Retrieval (CBIR) ist eine Reihe von Techniken zum Auffinden semantisch relevanter Bilder aus einer Bilddatenbank auf der Grundlage automatisch abgeleiteter Bildmerkmale oder Bildinhalte. Aus den frühen CBIR-Verfahren geht hervor, dass die zur Darstellung von Bildern verwendeten Low-Level-Merkmale häufig globale Merkmale sind, die aus einem gesamten Bild extrahiert werden. Die Leistung dieser CBIR-Ansätze ist jedoch noch weit von den Erwartungen der Benutzer entfernt. Das Problem kann auf die folgenden zwei Gründe zurückzuführen sein. Erstens ist es nicht ungewöhnlich, dass es sich bei den Zielen, nach denen der Benutzer über ein Bildabfragesystem sucht, nicht um Bilder, sondern um visuelle Objekte in Bildern handelt. Globale Merkmale, die aus dem Bild extrahiert werden, können die Eigenschaften der Objekte in diesen Bildern nicht wiedergeben. Zweitens handelt es sich bei den in den meisten CBIR-Arbeiten verwendeten Merkmalen um Low-Level-Merkmale (Farbe, Textur, Form usw.). Die semantische Kluft zwischen den Merkmalen auf niedriger Ebene und dem semantischen Verständnis von Bildern auf hoher Ebene ist oft schwer zu überbrücken. 76 pp. Deutsch.

Condizione: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Content Based Image Retrieval (CBIR) ist eine Reihe von Techniken zum Auffinden semantisch relevanter Bilder aus einer Bilddatenbank auf der Grundlage automatisch abgeleiteter Bildmerkmale oder Bildinhalte. Aus den fruehen CBIR-Verfahren geht hervor, dass di.

Taschenbuch. Condizione: Neu. This item is printed on demand - Print on Demand Titel. Neuware -Content Based Image Retrieval (CBIR) ist eine Reihe von Techniken zum Auffinden semantisch relevanter Bilder aus einer Bilddatenbank auf der Grundlage automatisch abgeleiteter Bildmerkmale oder Bildinhalte. Aus den frühen CBIR-Verfahren geht hervor, dass die zur Darstellung von Bildern verwendeten Low-Level-Merkmale häufig globale Merkmale sind, die aus einem gesamten Bild extrahiert werden. Die Leistung dieser CBIR-Ansätze ist jedoch noch weit von den Erwartungen der Benutzer entfernt. Das Problem kann auf die folgenden zwei Gründe zurückzuführen sein. Erstens ist es nicht ungewöhnlich, dass es sich bei den Zielen, nach denen der Benutzer über ein Bildabfragesystem sucht, nicht um Bilder, sondern um visuelle Objekte in Bildern handelt. Globale Merkmale, die aus dem Bild extrahiert werden, können die Eigenschaften der Objekte in diesen Bildern nicht wiedergeben. Zweitens handelt es sich bei den in den meisten CBIR-Arbeiten verwendeten Merkmalen um Low-Level-Merkmale (Farbe, Textur, Form usw.). Die semantische Kluft zwischen den Merkmalen auf niedriger Ebene und dem semantischen Verständnis von Bildern auf hoher Ebene ist oft schwer zu überbrücken.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 76 pp. Deutsch.

Taschenbuch. Condizione: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Content Based Image Retrieval (CBIR) ist eine Reihe von Techniken zum Auffinden semantisch relevanter Bilder aus einer Bilddatenbank auf der Grundlage automatisch abgeleiteter Bildmerkmale oder Bildinhalte. Aus den frühen CBIR-Verfahren geht hervor, dass die zur Darstellung von Bildern verwendeten Low-Level-Merkmale häufig globale Merkmale sind, die aus einem gesamten Bild extrahiert werden. Die Leistung dieser CBIR-Ansätze ist jedoch noch weit von den Erwartungen der Benutzer entfernt. Das Problem kann auf die folgenden zwei Gründe zurückzuführen sein. Erstens ist es nicht ungewöhnlich, dass es sich bei den Zielen, nach denen der Benutzer über ein Bildabfragesystem sucht, nicht um Bilder, sondern um visuelle Objekte in Bildern handelt. Globale Merkmale, die aus dem Bild extrahiert werden, können die Eigenschaften der Objekte in diesen Bildern nicht wiedergeben. Zweitens handelt es sich bei den in den meisten CBIR-Arbeiten verwendeten Merkmalen um Low-Level-Merkmale (Farbe, Textur, Form usw.). Die semantische Kluft zwischen den Merkmalen auf niedriger Ebene und dem semantischen Verständnis von Bildern auf hoher Ebene ist oft schwer zu überbrücken.