Artboard 33Artboard 16Artboard 18Artboard 13Artboard 42Artboard 21Artboard 4Artboard 5Artboard 45Artboard 22Artboard 7Artboard 42Artboard 23Artboard 12Artboard 28Artboard 17?Artboard 28Artboard 43Artboard 49Artboard 47Artboard 15Artboard 32Artboard 6Artboard 22Artboard 5Artboard 25Artboard 1Artboard 42Artboard 11Artboard 41Artboard 11Artboard 23Artboard 10Artboard 4Artboard 9Artboard 6Artboard 8Artboard 7Artboard 3Artboard 12Artboard 25Artboard 34Artboard 43Artboard 44Artboard 16Artboard 24Artboard 13Artboard 5Artboard 24Artboard 31Artboard 1Artboard 12Artboard 27Artboard 30Artboard 36Artboard 44Artboard 9Artboard 17Artboard 6Artboard 27Artboard 30Artboard 29Artboard 26Artboard 2Artboard 20Artboard 35Artboard 15Artboard 14Artboard 50Artboard 26Artboard 14Artboard 40Artboard 21Artboard 10Artboard 37Artboard 46Artboard 33Artboard 8

The Alisa Shape Module (Cód: 6107442)

Glenn C. Becker

Universal-Publishers.com POD

Este produto está temporariamente indisponível no site, mas não se preocupe, você pode reservá-lo para retirada em uma loja física!

Reserve seu produto na loja para retirada em até 1 hora.
Ops! Este produto está temporariamente indisponível. Mas não se preocupe, nós avisamos quando ele chegar.
Ops! Este produto está temporariamente indisponível. Mas não se preocupe, nós avisamos quando ele chegar.

Ooops! Este produto não está mais a venda.
Mas não se preocupe, temos uma versão atualizada para você.

Ooopss! Este produto está fora de linha, mas temos outras opções para você.
Veja nossas sugestões abaixo!

R$ 204,40

em até 6x de R$ 34,07 sem juros
Cartão Saraiva: 1x de R$ 194,18 (-5%)

Total:

Em até 1x sem juros de


Crédito:
Boleto:
Cartão Saraiva:

Total:

Em até 6x sem juros de


The Alisa Shape Module

R$204,40

Descrição

Shape classification is a challenging image processing problem because shapes can occur in any position, at any orientation, and at any scale in an image. Shapes can also be obscured by gaps in their boundaries, occlusions, and noise. General shape classifiers often suffer from low precision, and specialized shape classifiers rely on specific features, like vertices or connected boundaries, making them difficult to generalize. The objective of this research is to design, implement, and test a general, high-precision two-dimensional shape classifier that is invariant to translation, scale, and rotation, as well as robust to gaps in the shape boundary, occlusions, and noise. To achieve this objective, the radial feature token (RFT) is implemented as the ALISA Shape Module, which learns to classify shapes in ALISA geometry maps derived from a supervised set of training images. These learned shapes are stored as a set of vectors that are then used to classify shapes in test images. Experiments have demonstrated that this method can learn to classify general shapes from small training sets, as well as effectively classify similar shapes independent of their position, scale, and orientation. The Shape Module is also robust to gaps in shape boundaries, occlusions, and noise. The Shape Module is also shown to outperform some established shape recognition techniques, such as the Generalized Hough Transform.

Características

Peso 0.44 Kg
Produto sob encomenda Sim
Marca Universal-Publishers.com POD
I.S.B.N. 9781581121520
Referência 9781581121520
Altura 21.60 cm
Largura 14.00 cm
Profundidade 1.95 cm
Número de Páginas 344
Idioma Inglês
Cód. Barras 9781581121520
Ano da edição 2002
AutorGlenn C. Becker