دانلود انواع مقاله

(پروژه، مقاله، پایان نامه، گزارش کارآموزی، سوالات استخدامی، طرح توجیهی و...)

دانلود انواع مقاله

(پروژه، مقاله، پایان نامه، گزارش کارآموزی، سوالات استخدامی، طرح توجیهی و...)

تشخیص خشونت ویدئو با استفاده از تحلیل خصوصیات آرام (ترجمه)…

چکیده

امروزه اینترنت ، اشتراک گذاری انواع اطلاعات را برای همگان آسان کرده است. با این حال، محتوای خشن در وب تأثیر زیان آوری روی کسانی که قدرت قضاوت درست را ندارند مخصوصاً نوجوانان می گذارد. این مقاله، روشی را برای تشخیص خشونت در ویدئو ارائه می کند، این روش تحلیل ویژگی آرام تبعیضانه (D-SFA) را معرفی می کند تا یادگیری توابع ویژگی آرام از انبوه صحنه ها در ویدئو انجام گیرد. پس از آن با توابع ویژگی آرام یادگیری شده، ویژگی های بدست آمده انباشته مربعی شکل (ASD) برای ارائه ویدئو استخراج می شوند. در نهایت، یک ماشین برداری پشتیبان خطی (SVM) برای طبقه بندی آموزش می بیند. ما همچنین یک دیتاست ویدئوی خشن (VV) با 200 نمونه خشونت آمیز و 200 نمونه بدون خشونت جمع آوری شده از اینترنت و فیلم ها ساخته ایم. نتایج تجربی روی دیتاست جدید، کارایی روش پیشنهادی را نشان می دهد.

مقدمه

با رشد سریع وبسایت های شبکه اجتماعی مثل فیس بوک، توئیتر و یوتیوب، ویدئوهای زیادی هر روز آپلود می شود. همانطور که ما از اطلاعات مفید این سایت ها لذت می بریم، برخی ویدئوهای حاوی خشونت نیز توسط کاربران قابل دسترسی هستند. در افرادی که قدرت قضاوت صحیح ندارند مثل کودکان و نوجوانانی که در معرض این محتوا هستند ممکن است منجر به رفتارهای خشونت آمیز شود یا حتی آثار جرم در آن ها با تقلید از آنچه در این فیلم ها دیده اند آشکار شود. بنابراین واضح است که نیاز به محافظت از چنین گروه های حساس جامعه با استفاده از تشخیص دهنده های اتوماتیک، کارا و مؤثر امری ضروری است. با وجود اینکه تشخیص خشونت موضوع داغی در بینایی کامپیوتر نیست اما امری بسیار مهم است. برخی روش ها تاکنون برای حل این مسئله پیشنهاد شده است. در [1] نویسندگان از هشت ویژگی رادیویی در زمینه زمان و فرکانس به عنوان ورودی دسته بندی کننده باینری استفاده کرده اند که محتوای ویدئو را با توجه به میزان خشونت در آن اندازه شناسایی می کند. سپس آن ها کار خود را با استفاده از شبکه های بیزین به مسئله طبقه بندی چند کلاسه تعمیم داده اند.

خرید و دانلود

تشخیص خشونت ویدئو با استفاده از تحلیل خصوصیات آرام…

خلاصه

امروزه اینترنت، اشتراک گذاری انواع اطلاعات را برای همگان آسان کرده است. با این حال، محتوای خشن در وب تأثیر زیان آوری روی کسانی که قدرت قضاوت درست را ندارند مخصوصاً نوجوانان می گذارد. این مقاله، روشی را برای تشخیص خشونت در ویدئو ارائه می کند، این روش تحلیل ویژگی آرام تبعیضانه (D-SFA) را معرفی می کند تا یادگیری توابع ویژگی آرام از انبوه صحنه ها در ویدئو انجام گیرد. پس از آن با توابع ویژگی آرام یادگیری شده، ویژگی های بدست آمدۀ انباشتۀ مربعی شکل (ASD) برای ارائۀ ویدئو استخراج می شوند. در نهایت، یک ماشین برداری پشتیبان خطی (SVM) برای طبقه بندی آموزش می بیند. ما همچنین یک دیتاست ویدئوی خشن (VV) با 200 نمونۀ خشونت آمیز و 200 نمونۀ بدون خشونت جمع آوری شده از اینترنت و فیلم ها ساخته ایم. نتایج تجربی روی دیتاست جدید، کارایی روش پیشنهادی را نشان می دهد.

مقدمه

با رشد سریع وبسایت های شبکه اجتماعی مثل فیس بوک، توئیتر و یوتیوب، ویدئوهای زیادی هر روز آپلود می شود. همانطور که ما از اطلاعات مفید این سایت ها لذت می بریم، برخی ویدئوهای حاوی خشونت نیز توسط کاربران قابل دسترسی هستند. در افرادی که قدرت قضاوت صحیح ندارند مثل کودکان و نوجوانانی که در معرض این محتوا هستند ممکن است منجر به رفتارهای خشونت آمیز شود یا حتی آثار جرم در آن ها با تقلید از آنچه در این فیلم ها دیده اند آشکار شود. بنابراین واضح است که نیاز به محافظت از چنین گروه های حساس جامعه با استفاده از تشخیص دهنده های اتوماتیک، کارا و مؤثر امری ضروری است.

با وجود اینکه تشخیص خشونت موضوع داغی در بینایی کامپیوتر نیست اما امری بسیار مهم است. برخی روش ها تاکنون برای حل این مسئله پیشنهاد شده است. در [1] نویسندگان از هشت ویژگی رادیویی در زمینۀ زمان و فرکانس به عنوان ورودی دسته بندی کنندۀ باینری استفاده کرده اند که محتوای ویدئو را با توجه به میزان خشونت در آن اندازه شناسایی می کند. سپس آن ها کار خود را با استفاده از شبکه های بیزین به مسئلۀ طبقه بندی چند کلاسه تعمیم داده اند.

  • فرمت: zip
  • حجم: 0.95 مگابایت
  • شماره ثبت: 411

خرید و دانلود

تشخیص تحلیل ریشه دندان با توموگرافی کامپیوتری با اشعه مخروطی…

  • عنوان لاتین مقاله: Root resorption diagnosed with cone beam computed tomography after 6 months of orthodontic treatment with fixed appliance and the relation to risk factors
  • عنوان فارسی مقاله: تشخیص تحلیل ریشه دندان با توموگرافی کامپیوتری با اشعه مخروطی بعد از شش ماه درمان ارتودنسی با دستگاه ثابت و ارتباط با عوامل ریسکی.
  • دسته: دندانپزشکی
  • تعداد صفحات فایل ترجمه شده: 6
  • جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
  • نسخه فارسی مقاله برای خرید آماده است.

خلاصه

هدف: این مطالعه با هدف بررسی تحلیل ریشه دندان 6 ماه پس از درمان ارتودنسی فعال و ارتباط آن با ریسک فاکتورهای احتمالی انجام گردید.

مواد و روشها: در این پژوهش تعداد 97 بیمار (18 - 10 ساله) با مال اکلوژن کلاس I و دندانهای نامنظم که با کاربرد دستگاه ثابت و به روش اکسترکشن پرمولرها درمان شده بودند، شرکت داشتند. بیماران با استفاده از CBCT قبل و 6 ماه پس از درمان ارتودنسی فعال مورد ارزیابی قرار گرفتند. این ارزیابی تمام دندانها از مولر اول راست تا مولر اول چپ در هر دو فک را شامل می شد. شاخص Malmgren برای ارزیابی تحلیل ریشه بکار برده شد. بی نظمی کانتور ریشه (تحلیل ریشه از نوع درجه 1 ) در بیشتر دندان ها در قبل از درمان فعال دیده شد و بنابراین، در این مطالعه تحلیل ریشه مرتبط با درمان ارتودنسی، تحلیل با درجه 2 (تحلیل ماینور یا تحلیل ریشه به میزان <2 mm)) یا درجات بالاتر درنظر گرفته شد.

نتایج: تحلیل ماینور در 10% بیماران و تحلیل شدید ریشه (تحلیل درجه 3 یا تحلیل ریشه به میزان <2 mm)) در 2 بیمار مشاهده گردید. تحلیل ریشه در فک بالا بویژه در انسایزورها فراوانی بیشتری داشت. تحلیل ریشه با ریسک فاکتورهای مورد بررسی همبستگی معنادار آماری نشان نداد.

نتیجه گیری: شش ماه پس از درمان ارتودنسی فعال، تحلیل ریشه با اهمیت کلینیکی در 4% بیماران شناسایی شد. بعبارت دیگر در 96% بیماران، ارزیابی توسط CBCT اطلاعات قابل ملاحظه ای را نشان نداد. عواملی که در این مطالعه بعنوان ریسک فاکتورهای احتمالی درنظر گرفته شدند، شش ماه پس از درمان ارتودنسی فعال تاثیر قابل توجهی بر مقدار تحلیل ریشه نشان ندادند.

کلمات کلیدی: شاخص تحلیل ریشه دندان، ارتودنسی، توموگرافی کامپیوتری با اشعه مخروطی، CBCT، مال اکلوژن کلاس I، کراودینگ، نامرتبی دندانها، دندان های نامرتب، تحلیل ریشه دندان مرتبط با درمان ارتودنسی: تشخیص توموگرافی و بررسی ریسک فاکتورها

  • فرمت: zip
  • حجم: 0.31 مگابایت
  • شماره ثبت: 411

خرید و دانلود

تشخیص انتشار عدم تعادل ولتاژ سیستم قدرت شعاعی…

چکیده

تشخیص انتشار عدم تعادل ولتاژ (VU) ، بخشی انتگرالی در فرآیند مدیریتعدم تعادل ولتاژ (VU) است که بارها نسبتی از ظرفیت جذب عدم تعادل سیستم قدرت را به خود اختصاص می دهند. گزارش کمیسیون بین المللی الکتروتکنیک IEC/TR 61000-3-13: 2008 بیان دارنده یک روش اختصاص انتشار عدم تعادل ولتاژی می باشد که نشان دهنده این حقیقت است که VU (عدم تعادل ولتاژ) می تواند در نقطه اتصال رایج (PCC) مبنی بر عدم تعادل شبکه بالادست و عدم تعادل بار بوجود آید. اگرچه این در صورت تخصیص انتشار عدم تعادل می باشد، تکنیک های تشخیص انتشار پس از اتصال (منظور اتصال یک تاسیس خاص) ، فقط در صورتی وجود دارد که بار تنها شرکت کننده عدم تعادل ولتاژ در نقطه PCC باشد. این روش تشخیص، نیازمند تفکیک سطح انتشار VU پس از اتصال، به بخش های اصلی اش می باشد. برای توسعه روش های مناسب بدین منظور، اطلاعات مورد نیاز مربوط به پیش و پس از اتصالات باید داده شوند تا اطمینان حاصل شود که این اطلاعات به سادگی پذیرفته می شوند. این مقاله مبانی نظری اصولی را که می توان از آن برای تشخیص سهم انتشار VU (عدم تعادل ولتاژ) ایجاد شده توسط منبع بالا دست، خطوط نامتقارن، و بار برای یک سیستم قدرت شعاعی استفاده کرد، ارایه می دهد. این روش، پیکربندی های مختلفی را برای بارها، شامل موتورهای القایی، ارایه می دهد. ارزیابی های بدست آمده با بکارگیری مبانی نظری بر سیستم مورد مطالعه، با استفاده از تجزیه تحلیل های پخش بار نامتعادل در MATLAB و با استفاده از نرم افزار DIgSILENT PowerFactory بدست آمده اند.

اصطلاحات مربوطه: عدم تعادل جریان، عدم تقارن بار، کیفیت توان، عدم تقارن ذاتی شبکه، عدم تعادل ولتاژ (VU) ، اختصاص انتشار VU، تشخیص انتشار VU

مقدمه

مدریت عدم تعادل ولتاژ سیستم های قدرت، نیازمند تکنیک هایی برای تخصیص و تشخیص سطوح انتشار VU به رویه ای متقارن، می باشد. در این روش، گزارش فنی IEC (IEC/TR 61000-3-13: 2008 [1]) اصول راهنمایی را به اپراتورها و دارندگان سیستم ارایه می دهند تا بتوانند نیازمندی های اتصال نصب نامتعادل را برای سیستم های قدرت عمومی فشار-متوسط (MV) ، فشار قوی (HV) ، و فوق فشار قوی (EHV) تعیین کنند.

خرید و دانلود

تشخیص انتشار عدم تعادل ولتاژ در سیستم های قدرت شعاعی…

خلاصه

تشخیص انتشار عدم تعادل ولتاژ (VU) ، بخشی انتگرالی در فرآیند مدیریت عدم تعادل ولتاژ (VU) است که بارها نسبتی از ظرفیت جذب عدم تعادل سیستم قدرت را به خود اختصاص می دهند. گزارش کمیسیون بین المللی الکتروتکنیک IEC/TR 61000-3-13: 2008 بیان دارنده یک روش اختصاص انتشار عدم تعادل ولتاژی می باشد که نشان دهنده این حقیقت است که VU (عدم تعادل ولتاژ) می تواند در نقطه اتصال رایج (PCC) مبنی بر عدم تعادل شبکه بالادست و عدم تعادل بار بوجود آید. اگرچه این در صورت تخصیص انتشار عدم تعادل می باشد، تکنیک های تشخیص انتشار پس از اتصال (منظور اتصال یک تاسیس خاص) ، فقط در صورتی وجود دارد که بار تنها شرکت کننده عدم تعادل ولتاژ در نقطۀ PCC باشد. این روش تشخیص، نیازمند تفکیک سطح انتشار VU پس از اتصال، به بخش های اصلی اش می باشد. برای توسعه روش های مناسب بدین منظور، اطلاعات مورد نیاز مربوط به پیش و پس از اتصالات باید داده شوند تا اطمینان حاصل شود که این اطلاعات به سادگی پذیرفته می شوند. این مقاله مبانی نظری اصولی را که می توان از آن برای تشخیص سهم انتشار VU (عدم تعادل ولتاژ) ایجاد شده توسط منبع بالا دست، خطوط نامتقارن، و بار برای یک سیستم قدرت شعاعی استفاده کرد، ارایه می دهد. این روش، پیکربندی های مختلفی را برای بارها، شامل موتورهای القایی، ارایه می دهد. ارزیابی های بدست آمده با بکارگیری مبانی نظری بر سیستم مورد مطالعه، با استفاده از تجزیه تحلیل های پخش بار نامتعادل در MATLAB و با استفاده از نرم افزار DIgSILENT PowerFactory بدست آمده اند.

کلمات کلیدی: عدم تعادل جریان، عدم تقارن بار، کیفیت توان، عدم تقارن ذاتی شبکه، عدم تعادل ولتاژ (VU) ، اختصاص انتشار VU، تشخیص انتشار VU.

مقدمه

مدریت عدم تعادل ولتاژ سیستم های قدرت، نیازمند تکنیک هایی برای تخصیص و تشخیص سطوح انتشار VU به رویه ای متقارن، می باشد. در این روش، گزارش فنی IEC (IEC/TR 61000-3-13: 2008 [1]) اصول راهنمایی را به اپراتورها و دارندگان سیستم ارایه می دهند تا بتوانند نیازمندی های اتصال نصب نامتعادل را برای سیستم های قدرت عمومی فشار-متوسط (MV) ، فشار قوی (HV) ، و فوق فشار قوی (EHV) تعیین کنند.

  • فرمت: zip
  • حجم: 1.08 مگابایت
  • شماره ثبت: 411

خرید و دانلود