رفتن به مطلب

saharsharifi

کاربر انجمن
  • تعداد ارسال ها

    62
  • تاریخ عضویت

  • آخرین بازدید

تمامی مطالب نوشته شده توسط saharsharifi

  1. saharsharifi

    تارگت ها؟

    سلام دوستان من جوابش رو پیدا کردم در مسیر زیر می تونید جواب سوال بالا رو ببینید [Hidden Content]
  2. saharsharifi

    تارگت ها؟

    سلام من خصوصیاتی را از روی تصاویر استخراج کردم این خصوصیات را در داخل یک فایل اکسل ذخیره کردم و حالا که می خوام این خصوصیات را به شبکه عصبی پرسپترون چند لایه بفرستم ورودی ها را دارم همون خصوصیات استخراج شده هستند ولی نمی دونم برای تارگت ها باید چه چیزی رو قرار بدم لطفا راهنمایی کنید
  3. saharsharifi

    دیتا ست اکسل

    سلام یکسری ویژگی استخراج شده از تصاویر دارم می خوام اونا رو نرمال کنم %%%%%%%%%%%%%%%%%normalize %%%%%%%%%%%%%% x=[????????]; normalize_min_max=[0 1]; x_size=size(x); x_normalized=zeros(x_size(1),x_size(2)); x_max=max(max(x)); x_min=min(min(x)); nesbat=abs(normalize_min_max(2)-normalize_min_max(1))/(abs(x_max-x_min)); for nn=1:x_size(1) for mm=1:x_size(2) x_normalized(nn,mm)=normalize_min_max(1)+(x(nn,mm)-x_min)*nesbat; end end x_normalized لطفا راهنمایی کنید x باید چه داده هایی را باید جایگزین کنم و در این قسمت قرار بدم ؟؟؟؟؟ و بعد از اینکه تمام داده ها را استخراج کردم باید نرمالسازی را انجام بدم
  4. saharsharifi

    دیتا ست اکسل

    سلام من می خوام خصوصیات شکل تصاویر زیادی تقریبا 2000 تصویر را بدست بیارم این خصوصیات بدست اومدن ولی هر کدامشون داخل یک شیت جداگانه بدست اومدن در بین این خصوصیات یک ماتریس وجود دارد که من مجبور شدم x را داخل یک شیت مثلا1 و y را داخل شیت جداگانه دیگری مثلا2 بدست بیارم و حالا اگه بخوام هر دوتای اینها داخل یک شیت بوجود بیایند مشکلی بوجود نمی آید و بعدا در شبکه عصبی و در هنگام دسته بندی مشکلی را بوجود نمی آورد لطفا راهنمایی کنید چگونه می تونم این خصوصیات را داخل یک شیت مثلا فقط شیت 1 قرار بدم در ضمن خصوصیات استخراج شده هنوز نرمال نشده اند ایا می تونم این خصوصیات را بعد از نرمالسازی داخل یک شیت مشترک قرار بدم
  5. saharsharifi

    تبدیل ماتریس p ×2

    سلام چگونه می توان اطلاعات یک ماتریس 1در n را در داخل دیتاست تصاویر به صورت سطری ذخیره کرد ممنون
  6. saharsharifi

    تبدیل ماتریس p ×2

    سلام لطفا عکس پایین رو ببینید
  7. saharsharifi

    تبدیل ماتریس p ×2

    سلام سوال من اینه که من نمی تونم در محیط متلب اطلاعات ماتریس رو طوری بنویسم که تبدیل به سطر بشه از کسانی که به متلب تسلط دارند در این زمینه کمک می خوام تشکر
  8. saharsharifi

    تبدیل ماتریس p ×2

    سلام می خوام خصوصیات فیزیکی چند تا تصویر را استخراج کنم ولی مشکل من با convex hull هستش این خصوصیت استخراج میشه ولی به صورت یک ماتریس هستش وقتی می خوام این خصوصیت رو داخل دیتا ست قرار بدم ( دیتا ست من در محیط اکسل قرار داره) نظم ردیف ها رو بهم میزنه نمی دونم چی کارش کنم shape 3 , و مقدار p هم در تصاویر مختلف فرق می کنه سوال اول آیا من می تونم ستون اول رو به convex x1, convex x2, ..... convex xn تبدیل کنم و ستون دوم را به صورت convex y1, convex y2, .... convex y n به صورت دنبال هم در بیارم سوال دوم و همچنین n را به صورت یک عدد ثابت در نظر بگیرم چون در تصاویر مختلف مقدارش متفاوته بعضی تصاویر حتی تا 5000 تا هستش و بعضی دیگه هم 150 و ... لطفا راهنمایی کنید
  9. saharsharifi

    استخراج ویژگی

    سپاسگذارم دوست عزیز
  10. saharsharifi

    استخراج ویژگی

    سلام کد بالا خوبه ولی تعداد بسیار زیادی ویژگی رو را برای ما تعریف می کنه که عبارتند از : Contr, corm, corrp, cprom, cshad, dissi, energy, entro, homom, homop, maxpr, sosvh, savgh, svarh, senth, dvarh, denth, inf1h, inf2h, indnc, idmnc تعداد این ویژگی ها خیلی زیاده و اگه از تعدادی از این ویزگی ها بخواهیم استفاده کنیم باید چی کار کنیم؟ سپاسگزارم از راهنمایی شما دوستان عزیز
  11. سلام منم شماره 49 هستم ولی من کد ندارم به من کد ندادن :5c6ipag2mnshmsf5ju3:w768:
  12. ببیند من باید از بین خصوصیات رنگ و شکل و بافت و . . . از بین همشون بزرگترین و کوچکترین عدد را پیدا کنم؟ خصوصیات من بسیار زیاد هستند 95 تا هستند باید همه را داخل یک متغیر قرار بدم یا باید از هم جداشون کنم مثلا رنگ = 64 بافت = 24 شکل = 13016 و 137.319722468579 121.930521534498 0.459975505105558 135x128 logical -5 0.934319144354318 539.847000000000 و به همین شکل خصوصیات بافت و رنگ هم زیاد هستند خوب من باید اینها را چی کارش کنم سپاس از شما دوست عزیز
  13. مینیمم بین تمام ویژگی ها را در نظر می گیریم یا مینیم را از بین تمام ویژگی ها در نظر می گیریم
  14. ممنون از راهنمایی شما من یک مثال می زنم در توضیحات بالا x چه نقشی داره؟ و لطفا با این مثال توضیح بدین مثلا اگر سط اول خصوصیات رنگ 64 تا و 2341 بزرگترین عدد و صفر یا یک کوچکترین عدد مربوط به خصوصیت رنگ باشند و همین روش را هم برای ویژگی های دیگر مثلا سه تا ویژگی دیگر باشند در این صورت باید چه کار کنیم
  15. saharsharifi

    استخراج ویژگی

    سلام یک سوال دیگه درباره glcm داشتم این که برای بدست آوردن این ویژگی ها آیا باید کل تصویر به وسیله یک حلقه پیمایش شود تا ویژگی بدست آید یا اینکه همین کد کافی است من اطلاعات زیادی را در مورد glcm ندارم ولی باید اطلاعاتی رو بدست بیارم لطفا منو راهنمایی کنید دوست عزیزم سپاسگزارم
  16. saharsharifi

    نرمال کردن داده ها

    سلام می خواستم یکسری از ویژگی هایی را که از تصویر بدست آوردم را نرمال کنم. اما نمی دونم نرمال کردن چطوریه چه کاربردی داره، و یا اصلا چرا باید داده ها نرمال بشن سپاس از راهنمایی شما
  17. saharsharifi

    استخراج ویژگی

    سلام ممنون دوست عزیزم
  18. سلام زهرا جان من کد GLCM_Features رو لازم دارم می تونی واسه من بفرستیش
  19. سلام دوستان درس خوندن از کی شروع میشه و درس مورد نظر چیه؟ :coffee::putertired::mrsbeasley:
  20. سلام اگر که بخواهیم مقادیر صفر را از پس زمینه یک تصویر رنگی جدا کنیم. از چه دستوری باید استفاده کنیم. مراحل کار : 1- تبدیل تصویر رنگی به خاکستری و تبدیل تصویر تصویر خاکستری با باینری 3- پس زمینه باید مقدار صفر رو داشته باشه 4- ددوباره تصویر اول در تصویر باینری ضرب میشه 5- یک تصویر رنگی داریم که پس زمینه صفر داره حالا با چه دستوری می توان پس زمینه تصویر را از بین برد یا به عبارتی مقدار صفرهای پس زمینه را حذف کرد؟ سپاس
  21. منم هستم ولی کتاب پردازش تصویر اگه در رابطه با پردازش تصویر و پردازش بافت باشه بهتره چون الان به این موضوع فکر می نم
  22. saharsharifi

    error matlab

    سلام می خوام خصوصیات بافت تصاویر را با استفاده از تابع [srad, sang,S]=specxture(f); بدست بیارم اما خطا میده Not enough input arguments. Error in specxture (line 16) S = fftshift(fft2(f)); احتمال میدم چند تا از ام فایلها رو نداشته باشه هر چی هم سرچ کردم پیداشون نکردم لطفا راهنمایی کنید چی کار کنم سپاسگزار
×
×
  • اضافه کردن...