MétaCan
Menu
Retour à la cohorte
Enregistrement W2912495129 · doi:10.5539/mas.v13n2p207

Description and Recognition of Symmetrical and Freely Oriented Images Based on Parallel Shift Technology

2019· article· en· W2912495129 sur OpenAlexvenueno aff
Saleem Issa Al-Zoubi

Notice bibliographique

RevueModern Applied Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAdvanced Scientific Research Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntersection (aeronautics)Image (mathematics)Orientation (vector space)Feature (linguistics)Artificial intelligenceFunction (biology)Computer scienceComputer visionImage processingFeature detection (computer vision)Pattern recognition (psychology)MathematicsGeometryGeography

Résumé

récupéré en direct d'OpenAlex

The method of description and recognition of images based on the technology of parallel shift is described. The parallel shift technology allows only one characteristic for describing of images. The feature is the area of the image, which is determined by the number of cells belonging to the image. The main characteristics of the complex image area are described. The problem of using parallel shift technology is the inability to recognize symmetrical images and images with free orientation. In accordance with the problem in the paper a method is described that allows to recognize the orientation of the image, as well as recognizing symmetrical images that have the same functions of area of intersection. To solve the problem, additional elements are introduced on one of the edges of the image, which in a small amount distinguish it from the original image, and additional quantitative characteristics of the area are introduced. The additional elements are introduced only on one of the edges of the image for all images at the system input. For each rotated and symmetrical image with equal functions, the intersection areas a new intersection functions are defined. Differences in the functions of the areas of intersection of both images are determined and on the based on the obtained quantitative characteristics of the function of the area of intersection of the images the shape of the image are determined. To form the intersection function of the areas of the modified image, the number of shifts is increased by one, and also the function change occurs at each step in accordance with the introduced additional elements. The conducted research showed high reliability of image recognition.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,285
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetAdvanced Scientific Research MethodsTravaux en français237 207