The ‘bag of visual features’ image

The ‘bag of visual features’ image representation was applied to create generic microstructural signatures
that can be used to automatically find relationships in large and diverse microstructural image data sets.
Using this representation, a support vector machine (SVM) was trained to classify microstructures into
one of seven groups with greater than 80% accuracy over 5-fold cross validation. In addition, the bag
of visual features was implemented as the basis for a visual search engine that determines the best
matches for a query image in a database of microstructures. These novel applications demonstrate the
potential and the limitations of computer vision concepts in microstructural science.

ผลลัพธ์ (ไทย) 1:

การแสดงภาพ 'ถุงลักษณะ' ใช้สร้างลายเซ็นจุลภาคทั่วไปที่สามารถใช้เพื่อค้นหาความสัมพันธ์โดยอัตโนมัติในชุดข้อมูลขนาดใหญ่ และหลากหลายภาพจุลภาคใช้แสดงนี้ เครื่องสนับสนุนเวกเตอร์ (SVM) ได้รับการฝึกฝนในการจัดประเภทโครงสร้างระดับจุลภาคในหนึ่งในกลุ่มเจ็ดมีมากกว่า 80% ความแม่นยำกว่า 5-fold ข้ามตรวจสอบ นอกจากนี้ ถุงของลักษณะถูกนำมาใช้เป็นพื้นฐานสำหรับเครื่องมือค้นหาภาพที่กำหนดที่ดีสุดตรงที่เป็นภาพแบบสอบถามในฐานข้อมูลของฟังก์ โปรแกรมประยุกต์เหล่านี้นวนิยายที่แสดงให้เห็นถึงการศักยภาพและข้อจำกัดของแนวคิดวิสัยทัศน์คอมพิวเตอร์ศาสตร์จุลภาค

ผลลัพธ์ (ไทย) 2:

ของถุงคุณสมบัติภาพ 'การแสดงภาพถูกนำมาใช้ในการสร้างลายเซ็นจุลภาคทั่วไป
ที่สามารถใช้ในการค้นหาความสัมพันธ์ในที่มีขนาดใหญ่และมีความหลากหลายชุดข้อมูลภาพจุลภาคโดยอัตโนมัติ.
ใช้เป็นตัวแทนนี้เครื่องเวกเตอร์สนับสนุน (SVM) ได้รับการฝึกฝนในการจำแนกจุลภาคเข้า
การตรวจสอบข้ามหนึ่งในเจ็ดของกลุ่มที่มีความแม่นยำมากขึ้นกว่า 80% มากกว่า 5 เท่า นอกจากนี้ในกระเป๋า
ของคุณสมบัติภาพถูกนำมาใช้เป็นพื้นฐานสำหรับการเป็นเครื่องมือค้นหาภาพที่กำหนดที่ดีที่สุด
ตรงกับภาพแบบสอบถามในฐานข้อมูลของจุลภาค การใช้งานนวนิยายเรื่องนี้แสดงให้เห็น
ศักยภาพและข้อ จำกัด ของแนวคิดคอมพิวเตอร์วิสัยทัศน์ในด้านวิทยาศาสตร์จุลภาค

ผลลัพธ์ (ไทย) 3:

" กระเป๋าคุณลักษณะ " รวมภาพการแสดงมาประยุกต์ใช้ในการสร้างลายเซ็นโครงสร้างจุลภาค ทั่วไปที่สามารถใช้โดยอัตโนมัติในการค้นหาความสัมพันธ์ในขนาดใหญ่และหลากหลายชุดข้อมูลภาพโครงสร้างจุลภาค .ใช้เป็นตัวแทนนี้สนับสนุนเวกเตอร์เครื่องจักร ( SVM ) คือการฝึกอบรมเพื่อจัดโครงสร้างในหนึ่งในเจ็ดกลุ่มที่มีมากกว่า 80 % ความถูกต้องเหนือผู้อื่นข้ามการตรวจสอบ นอกจากนี้ , กระเป๋าคุณสมบัติของภาพที่ใช้เป็นพื้นฐานสำหรับ Visual Search Engine ที่ใช้ดีที่สุดการแข่งขันสำหรับภาพแบบสอบถามในฐานข้อมูลของโครงสร้างจุลภาค . นวนิยายเหล่านี้แสดงให้เห็นถึงการใช้งานศักยภาพและข้อจำกัดของแนวคิดวิสัยทัศน์คอมพิวเตอร์ในระดับโครงสร้างจุลภาค , วิทยาศาสตร์