با رشد فناوری و عرضه دوربینهای فیلمبرداری پیشرفته، استخراج اطلاعات از ویدئوهای مختلف از جمله ویدئوهای ورزشی مورد توجه محققین قرار گرفته است. در تجزیه و تحلیل مسابقات فوتبال، تعیین دقیق موقعیت بازیکنها از موارد کلیدی است که اساس آنالیزهای بعدی نظیر ردیابی بازیکنها قرار می گیرد. همچنین با مرتبط سازی تصاویر به هم و تعیین مسیر بازیکنها روی موزاییک تصویری ایجاد شده می توان مسیر بازیکنها را به طور پی...

در تجزیه و تحلیل مسابقات فوتبال، تعیین دقیق موقعیت بازیکنها از موارد کلیدی است که اساس آنالیزهای بعدی نظیر ردیابی بازیکنها قرار می گیرد. استخراج مسیر بازیکنها، اطلاعات مفیدی جهت ارزیابی نقاط قوت و ضعف تیم و بازیکنها و تنظیم استراتژی تیمی کارا به منظور بهبود عملکرد تیم در اختیار سرمربی و متخصصین قرار می دهد. از آنجا که با حرکت دوربین، بیننده فریم های قبلی را از دست می دهد، با مرتبط سازی تصاویر ب...

یکی از مسائل مهم در زمینه داده کاوی، مسأله دسته بندی مجموعه داده های نامتوازن است. اصطلاح «مجموعه داده نامتوازن»، عموما به مجموعه داده ای گفته می شود که تعداد نمونه ها در کلاس های گوناگون، اختلاف بسیاری داشته باشند. در این نوع داده ها، به کلاس هایی که کم ترین تعداد نمونه ها را دارند، کلاس اقلیت گفته می شود. به دلیل این که اکثر الگوریتم های یادگیری، یک دسته بند را با فرض برابر بودن تعداد نمونه ه...

 در تجزیه و تحلیل مسابقات فوتبال، تعیین دقیق موقعیت بازیکنها از موارد کلیدی است که اساس آنالیزهای بعدی نظیر ردیابی بازیکنها قرار می گیرد. استخراج مسیر بازیکنها، اطلاعات مفیدی جهت ارزیابی نقاط قوت و ضعف تیم و بازیکنها و تنظیم استراتژی تیمی کارا به منظور بهبود عملکرد تیم در اختیار سرمربی و متخصصین قرار می دهد. از آنجا که با حرکت دوربین، بیننده فریم های قبلی را از دست می دهد، با مرتبط سازی تصاویر ...

تصاویر شامل چهره برای تعامل هوشمند انسان کامپیوتر و کاربردهایی در حوزه ی پردازش چهره شامل شناسایی چهره، شناسایی حالات چهره، ردیابی چهره، تشخیص جنسیت و نژاد و موارد بسیار دیگر ضروری است. بسیاری از کاربردهای ذکر شده مکان چهره در تصاویر را تعیین شده فرض می کنند؛ ازاین رو به منظور ساخت سیستم خودکاری که اطلاعات درون یک تصویر چهره را تحلیل کند، الگوریتم های مقاوم و موثر تشخیص چهره مورد نیاز است. درحق...

یک تصویر تمام پلاریمتریک راداری (polsar) قابلیت فراهم کردن یک داده با فضای ویژگی ابعاد بالا را دارد. این حجم بالای اطلاعاتی می تواند دقت کلی طبقه بندی پوشش زمینی را افزایش دهد. اما افزایش ابعاد داده در صورت ناکافی بودن تعداد نمونه­های آموزشی ممکن است باعث پیچیده­تر شدن طبقه­بندی و رخ دادن پدیده نفرین ابعاد شود. یکی از راهکارهای حل این مشکل، استفاده از سیستم­های طبقه­بندی چندگانه (mcs) است که تو...