TAILIEUCHUNG - Nhận dạng logo sử dụng Naïve Bayes Nearest Neighbor và đặc trưng DSIFT

Bài báo này trình bày một phương pháp nhận dạng logo trong ảnh sử dụng giải thuật naïve bayes nearest neighbor và đặc trưng Dense Scale Invariant Feature Transform. | TẠP CHÍ KHOA HỌC TRƯỜNG ĐẠI HỌC TRÀ VINH số 24 THÁNG 12 NĂM 2016 NHẬN DẠNG LOGO sử DỤNG NAIVE BAYES NEAREST NEIGHBOR VÀ ĐẶC TRƯNG DSIFT Võ Thành c1 Tóm tắt - Ngày nay logo được xem là thương hiệu gắn liền với doanh nghiệp. Vì vậy nhận dạng logo là bài toán rất được quan tâm trong xử lý ảnh. Bài báo này trình bày một phương pháp nhận dạng logo trong ảnh sử dụng giải thuật Naive Bayes Nearest Neighbor NBNN và đặc trưng Dense Scale Invariant Feature Transform DSIFT . Trước tiên chúng tôi sử dụng Cascades of Boosted với tập đặc trưng Haar-like để dò tìm logo trong ảnh đầu vào. Tiếp theo chúng tôi áp dụng giải thuật NBNN để nhận dạng logo với đặc trưng DSIFT. Tập dữ liệu thực nghiệm được thu thập từ Internet. Kết quả thực nghiệm cho thấy phương pháp đề xuất đạt được độ chính xác cao. Hơn nữa phương pháp đề xuất đơn giản hiệu quả và có thời gian thực hiện nhanh phù hợp với các hệ thống nhận dạng logo yêu cầu tính thời gian thực. Từ khóa Nhận dạng logo đặc trưng SIFT đặc trưng DSIFT NBNN. Abstract - Nowadays logo is a trademark associated with company. Therefore logo recognition is one of the great interest issues in image processing. This paper presents a method for logo recognition in the input image by using Naive Bayes Nearest Neighbor NBNN algorithm and Dense Scale Invariant Feature Transform DSIFT feature. Firstly we use Cascades of Boosted with a set of Haar-like features to detect the logo over the input image. Then NBNN algorithm is employed to recognize the logo with DSIFT feature. Dataset is downloaded from Internet. The experimental results showed that this method achieved higher accuracy. Furthermore it is extremely simple efficient with less execution time and suitable to real-time logo recognition systems. 1Khoa Kỹ thuật và Công nghệ Trường Đại học Trà Vinh Ngày nhận bài 22 4 2016 ngày nhận kết quả bình duyệt 22 11 2016 ngày chấp nhận đăng 20 12 2016 Keywords Logo recognition SIFT feature DSIFT feature NBNN. I. Giới thiệu Trong nền kinh tế thị trường ngày .

• Kỹ thuật lập trình
• Nhận dạng logo
• Naïve Bayes Nearest Neighbor
• Đặc trưng DSIFT
• Dense Scale Invariant Feature Transform
• Đặc trưng SIFT
• Nhận dạng tự động
• Nhận dạng dùng sóng vô tuyến
• Xây dựng ăng ten
• Logo ứng dụng
• Hệ thống nhận dạng sóng vô tuyến
• PLC SIEMENS
• Điện áp cấp
• version của họ LOGO
• lập trình điện tử
• Tóm tắt luận văn Thạc sĩ
• Công nghệ thông tin
• Tóm tắt luận văn Công nghệ thông tin
• Hệ thống thông tin
• Giải thuật Naive Bayes Nearest Neighbor
• Nghiên cứu khoa học
• Đề tài nghiên cứu khoa học cấp trường
• Sóng vô tuyến
• Xây dựng ăng ten logo
• Hệ thống sinh trắc học
• Tự động nhận dạng
• thiết kế sản phẩm
• logo
• xây dựng thương hiệu
• phát triển
• nghệ thuật quảng cáo
• Báo cáo nghiên cứu khoa học
• Nhận dạng vân mạch máu lòng bàn tay
• Đặc trưng dẫn xuất cục bộ
• Đồ án tốt nghiệp ngành Công nghệ thông tin
• Ước lượng tập điểm tương đồng
• giữa Hai ảnh dựa trên đối sánh đặc trưng SIFT
• Phương pháp trích chọn
• Phương pháp SIFT
• Đặc trưng Dense Sift
• Thuật toán Local naive bayes nearest neighbor
• Local naive bayes nearest neighbor
• Nhận dạng mặt người
• Đặc trưng Haar Like
• Thuật toán AdaBoost
• Mô hình phân tầng Cascade
• Phát hiện sâu bệnh
• Sâu bệnh trên lúa
• Sử dụng đặc trưng SIFT
• Scale Invariant Feature Transform
• Phòng trừ sâu bệnh
• Đối sánh ảnh tài liệu
• Gom cụm DBSCAN
• Thuật toán DBSCAN
• Trích chọn đặc trưng cục bộ SIFT
• Xác định vùng ảnh tài liệu bị sai vị trí
• Xác định số lượng rầy nâu trưởng thành
• Kỹ thuật xác định đối tượng
• Rầy nâu trưởng thành trên lúa
• Phòng trừ dịch hại rầy nâu trên lúa
• Dữ liệu số
• Thủy vân số
• Biến đổi sóng nhỏ rời rạc
• Bảo vệ quyền sở hữu trí tuệ ảnh số
• Nhận dạng khuôn mặt
• Bayes thơ ngây với láng giềng
• Mô hình phân tầng cascade (CBC)
• Scale invariant feature transform SIFT
• Phân loại ảnh
• Kỹ thuật gom nhóm
• Phương pháp trích đặc trưng dữ liệu
• Bài toán phân loại ảnh
• Đặc điểm của văn bản Tiếng Việt
• Thủy vân ảnh
• đặc trưng ảnh SIFT
• Mô hình JND
• Không gian gian sai khác DoG
• Tấn công không đồng bộ
• Just Noticeable Difference
• Giải pháp nhận dạng bệnh trên lúa
• Nhận dạng bệnh trên lúa
• Thiết bị di động thông minh
• Ứng dụng di động
• Máy học SVM