Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Labbi, Nour el houda"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    Un systèmed’indexation et de rechercheautomatique d'images par le contenu : Cas de séisme.
    (جامعة الوادي University of Eloued, 2018-06-03) Labbi, Nour el houda
    يعتبر تصنيف المباني التالفة حالياً موضوعاً ذا صلة في تقييم وإدارة الكوارث، والكشف عن المباني المتضررة. في هذه المذكرة، الهدف هو تقديم تقنية الكلمات المرئية القائمة علىاستخراج الميزة (SURF) و التدرج البياني الموجه(HOG) يستخدم لاستخراج الخصائص العالمية، في حين يستخدم SURF لاستخراج الميزات المحلية. يفضل استخدام الميزات المحلية لـتصنيف واسترجاع الصور واسعة النطاق لأنها توفر أفضلدقة.التقنية المقترحة على أساس الكلمات المرئية تعطي دقةالتصنيف أكثر من 60٪ باستخدام آلة المتجهات. SVM La classification des bâtimentsendommagésestactuellement un sujet pertinent dansl'évaluation et la gestion des catastrophes, et la détection des bâtimentsendommagés. Danscemémoire, l'objectifestd'introduireune technique de mots visuelsefficacesbaséesur des descripteurs des caractéristiques (SURF) et d’Histogramme de Gradient Orienté (HOG). HOG estutilisé pour extraire des caractéristiquesglobales, tandisque SURF estutilisé pour l'extraction de caractéristiques locales.Nous préfèreutiliser des fonctionnalités locales pour la classification et la récupérationd'images à grandeéchelle, car ilfournitunemeilleureprécision. La technique proposéebaséesur des mots visuelsdonneuneprécision declassification de plus de 60% en utilisant la machine à vecteurs de support SVM.

DSpace software copyright © 2002-2025 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback