مطابقة القوالب

N write.svg
هذه مقالة غير مراجعة. ينبغي أن يزال هذا القالب بعد أن يراجعها محرر عدا الذي أنشأها؛ إذا لزم الأمر فيجب أن توسم المقالة بقوالب الصيانة المناسبة. (نوفمبر 2018)

مطابقة القوالب[1] هو أسلوب في معالجة الصور الرقمية من أجل العثور على أجزاء صغيرة من الصورة التي تتطابق مع صورة القالب. ويمكن أن تستخدم في التصنيع كجزء من مراقبة الجودة ، [2] وكطريقة لتوجيه الروبوتات المحمولة ، [3] أو كوسيلة للكشف عن الحواف في الصور.[4]

من التحديات الرئيسية في عملية مطابقة القوالب؛ الحجب الجزئي، الكشف عن التحولات غيرالجامدة ، الإضاءة، تغيرات الخلفية وتغير القياسات.[5]

مقاربة الاعتماد على الميّزاتعدل

 
الطبقة المخفية تنتج متجه يحمل معلومات التصنيف عن الصورة ويستخدم في خوارزمية مطابقة القوالب كميزة من مميزات الصورة.

ترتكر المقاربة المستندة على المميزات على المميزات المستخرجة من الصورة مثل الأشكال والنسيج والألوان لمطابقتها في صورة الهدف أو الإطار. هذا النهج حاليا يتحقق باستخدام الشبكات العصبية و التعلم العميق المصنفات مثل VGG,[6] AlexNet, ResNet. فشبكات التعلم العميق تعالج الصورة عن طريق تمريرها من خلال عدة مختلفة طبقات مخفية وكل طبقة تنتج متجه يحمل معلومات التصنيف المعلومات عن الصورة. هذه المتجهات المستخرجة من الشبكة تستخدم كخاصية أو ميزة من مميزات الصورة. المميزات المستخرجة باستخدام الشبكات العصبية العميقة فعالة للغاية وبالتالي تعتبر كمعيار حديث في مجال خوارزميات مطابقة القوالب.[7]

Referencesعدل

  1. ^ R. Brunelli, Template Matching Techniques in Computer Vision: Theory and Practice, Wiley,
  2. ^ Aksoy, M. S., O. Torkul, and I. H. Cedimoglu. "An industrial visual inspection system that uses inductive learning." Journal of Intelligent Manufacturing 15.4 (August 2004): 569(6). Expanded Academic ASAP. Thomson Gale. نسخة محفوظة 11 أغسطس 2018 على موقع واي باك مشين.
  3. ^ Kyriacou, Theocharis, Guido Bugmann, and Stanislao Lauria. "Vision-based urban navigation procedures for verbally instructed robots." Robotics and Autonomous Systems 51.1 (April 30, 2005): 69-80. Expanded Academic ASAP. Thomson Gale. نسخة محفوظة 11 أغسطس 2018 على موقع واي باك مشين.
  4. ^ WANG, CHING YANG, Ph.D. "EDGE DETECTION USING TEMPLATE MATCHING (IMAGE PROCESSING, THRESHOLD LOGIC, ANALYSIS, FILTERS)". Duke University, 1985, 288 pages; AAT 8523046
  5. ^ Talmi، Itamar؛ Mechrez، Roey؛ Zelnik-Manor، Lihi (2016-12-07). "Template Matching with Deformable Diversity Similarity". arXiv:1612.02190  [cs.CV]. 
  6. ^ "Preprint repository arXiv achieves milestone million uploads". Physics Today. 2014. ISSN 1945-0699. doi:10.1063/pt.5.028530. 
  7. ^ Zhang، Richard؛ Isola، Phillip؛ Efros، Alexei A.؛ Shechtman، Eli؛ Wang، Oliver (2018-01-11). "The Unreasonable Effectiveness of Deep Features as a Perceptual Metric". arXiv:1801.03924  [cs.CV].