💡پروژه پردازش تصویر بامدارهای CMOL

✔ مدارهای CMOL به دلیل مطابقت با CrossBarهای نانو سیم برای کاربردهای پردازش موازی، بسیار مناسب می باشند.

✔ اخیرا مدارات پردازش تصویر بر مبنای CMOL پیشنهاد می شوند.

📘منبع برای مطالعه بیشتر: daneshgahi.com

با ما همراه باشید 🌱

🆔️ telegram channel:

https://news.1rj.ru/str/Intellimage
#machin_vision
#image_processing
#CMOL

💡پروژه پردازش تصویر  با مدارهای  CMOL

✔ سیستم های نئورومورفیک صنعتی نوین جهت ایجاد بستر پیاده سازی محاسبات نرم برپایه سخت افزار و نیز بالا بردن قابلیت های مدارات الکترونیک جهت استفاده آنها در بافت های زنده(حس لامسه، بینایی، حافظه و..) است.

✔ مدارات ترکیبی CMOL مولکولی رهیافتی برای آینده ای روشن در اشتراک این حوزه و فن آوری VISI هستند. پژوهشگران در سال های اخیر تلاش هایی جهت معرفی مدارات پردازش تصویر مبتنی بر CMOL دیجیتال داشته اند. 

📘منبع برای مطالعه بیشتر:
مقاله شبکه های عصبی سلولی مبتنی برCMOLجهت استفاده در محاسبات موازی در سیستم های پردازش تصویر(LCEE2015)

با ما همراه باشید🌱

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage

#machin_vision
#image_processing
#CMOL

💡پروژه پردازش تصویر با مدارات CMOL

✔ پیشرفت سریع آرایه های صفحه کانونی در بعضی پارامترها مانند کیفیت و وضوح تصاویر ، سرعت قاب ، گسترۀ دینامیکی و نیز ظهور نیازهای جدید، پردازش تصویری با کارایی بالاتر از پردازش-های تصویر موجود، را طلب می  کند. 

✔ در این زمینه انجام مکرر عملیات پردازش تصویر مانند فیلترکردن سه  بعدی، آشکارسازی لبه و استخراج ویژگی های تصویر ضروری خواهد بود.

📘منبع برای مطالعه بیشتر: daneshgahi.com

🆔️ telegram channel:

https://news.1rj.ru/str/Intellimage
#machin_vision
#image_processing
#CMOL

💡پروژه پردازش تصویر با مداراتCMOL

✔ پردازش ترتیبی و پشت سر هم پیکسل ها برای بعضی کاربردها بسیار کند صورت می پذیرد.

✔ با این وجود، پردازش موازی پیکسل ها علاوه بر سخت  افزار برای محاسبات پیچیده، به پهنای باند انتقال دادۀ متراکم و بسیار بزرگی بین  پردازش  گر و زیر سیستم حافظه نیاز خواهد داشت.

+ در ادامه به عملکرد مدارات CMOL و نقش آنها در بهبود این شرايط خواهیم پرداخت .

📘منبع برای مطالعه بیشتر: daneshgahi.com

با ما همراه باشید 🌱

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage

#machin_vision
#image_processing
#CMOL

💡پروژه پردازش تصویر با مدارات CMOL

✔ یک مشکل اساسی در این روش ها، این است که در برخی عملیات پیچیده (برای مثال فیلتر کردن دیجیتال با پنجرۀ بزرگ) ، سطح لازم برای پردازش دادۀ یک پیکسل ، نسبت به خود سنسور پیکسل بزرگتر می باشد.

✔ این اشکال به ویژه هنگامی که فناوری CMOS متداول به محدودیت های تغییر مقیاس در آینده نزدیک می  شود، محسوس تر خواهد بود.

✔مشخص است که راه حل مشکلات به وجود آمده ، با انتقال از تکنولوژی خالص ترانزیستورهای نیمه هادی CMOS به تکنولوژی هیبرید مدارهای مجتمع بر مبنای CMOL امکان پذیر می باشد.

📘منبع برای مطالعه بیشتر: daneshgahi.com

🆔️ telegram channel:

https://news.1rj.ru/str/Intellimage

#machin_vision
#image_processing
#CMOL

🔲 اهميت آشکار سازی لبه ها در تصویر

◾لبه یابی یکی از مهمترین عملیات در پردازش تصویر به شمار میرود.

◾در مقایسه با تصاویر منوکروم، اطلاعات موجود در تصاویر رنگی زیادتر بوده و کاربردهای آن نیز وسیع تر میباشد؛ بنابراین در سالهای اخیر تحقیقات بسیاری بر روی لبه یابی تصاویر رنگی انجام شده است .

◾لبه یابی در تصاویر رنگی به دو روش ترکیبی و برداری انجام میشود. 

با ما همراه باشید 🌱

🔍منبع برای مطالعه بیشتر:

📄مقاله الگوریتم های تشخیص لبه در تصاویر

🆔️ telegram channel:

https://news.1rj.ru/str/Intellimage
#machin_vision
#image_processing
#edge_detection

📽 عملکرد الگوریتم لبه یاب canny

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage

#machin_vision
#image_processing
#edge_detection
#canny

🖇شناسایی شکستگی های مخزن از نگار های تصویری FMI با کمک الگوریتم canny

📃 شکستگی ها و ایجاد تروا در مخازن موجب تخریب فیزیکی و کاهش بهره دهی مخازن می‌شود.

📃 یکی از پژوهش هایی که اخیرا در زمینه ی پردازش تصویر ، با استفاده از الگوریتم canny انجام شده ؛ پردازش‌ روی تصاویر FMI بوده است.

📃 استفاده از الگوریتم لبه یابیCanny جهت شناسایی لبه منحنی های سینوسی شکستگی‌ها از روی داده‌های نگار FMI، منجر به تشخیص زود هنگام شکستگی ها و جلوگیری از تخریب مخازن می‌شود.

🔍 منبع برای مطالعه بیشتر : پایان نامه های دانشگاه صنعتی شاهرود

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#edge_detection
#canny

🖇 روشهای جدید لبه یابی تصاویر با استفاده از منطق فازی

✳ روشهای زیادی برای لبه یابی درتصاویر ارایه شده است . این روشها اکثرا براساس مشتق گیری از تصاویر عمل می کنند.
اما باید گفت ، این روشها مشکلاتی از جمله حساسیت به نویز و حجم زیاد محاسبات دارند.

✳ بابکارگیری روش منطق فازی به منظور تشخیص لبه های تصویر ؛ کیفیت تشخیص لبه ها به شکل چشمگیری افزایش می یابد . همچنین این روش نسبت به لبه یابهای دیگر مقاومت زیادی دربرابر نویز بدون فیلتر اولیه دارد.

🔍 منبع برای مطالعه بیشتر : سامانه پژوهشی دانشگاه بناب

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage

#edge_detection
#fuzzy_logic

🚀 نوآوری های دنیای تصویر

⚡رونمایی گوگل از Veo و Imagen 3 به عنوان سرویس‌های تولید محتوای تصویری و ویدیویی

🌐 به عنوان بزرگترین خبر رویداد I/O ۲۰۲۴ ، گوگل از راه‌اندازی نسل جدیدی از فرآیند جستجوی هوش مصنوعی مولد خبر داد.

🌐 این سیستم جستجو، که با الهام از ChatGPT طراحی شده، می تواند پاسخ‌های کامل و دقیقی را به سؤالات کاربران بصورت real time ارائه دهد.

🌐 طبق توضیحات گوگل ، Veo با درک عمیقی از زبان طبیعی و مفاهیم بصری، ویدئوهایی را تولید می‌کند که دقیقاً می تواند چشم‌انداز خلاقانه کاربر را منعکس کند.

🌐 سیستم Veo همچنین قادر به درک اصطلاحات سینمایی مانند “تایم‌لپس” یا “نماهای هوایی از منظره” می باشد و تصاویری را ایجاد می‌کند که در آن افراد، حیوانات و اشیاء به طور واقع‌گرایانه و هماهنگ در طول ویدئو حرکت می‌کنند.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#top_news

💡اهمیت فشرده سازی تصویر در فناوری امروز

🗃 فشرده سازی تصویر یکی از روشهای کاهش حجم آن می باشد و برای ذخیره‌سازی عکس ها از این روش استفاده می شود تا حجم اطلاعات و حافظه مصرفی تا جای ممکن کاهش پیدا کند.

🗃 برای انجام این کار دو روش lossy و lossless وجود دارد که به وسیله الگوریتم های مختلف رایانه ای انجام می شود.

🔍 منبع برای مطالعه بیشتر : behsanandish.com

با ماهمراه باشيد 🌱

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage

#image_compressing

💡الگوریتم های فشرده سازی lossy و lossless

💾 در فشرده سازی Lossless ، کیفیت تصویر کاهش نمی یابد اما ضریب فشرده سازی کمتری دارد و مقدار کمتری از حجم عکس کاهش می یابد.

💾 روش Lossy ، نسبت به روش Lossless فشرده سازی و کاهش حجم بیشتری به دنبال دارد. اما کاهش کیفیت نیز به همراه خواهد داشت.

+ بسته به نیازی که از تصویر یا فشرده سازی داریم باید نوع فشرده سازی را انتخاب کنیم.

🔍 منبع برای مطالعه بیشتر: behsanandish.com

🆔️ telegram channel :
https://news.1rj.ru/str/Intellimage
#image_compressing

📥 فشرده سازی تصاویر در دوربین های مدار بسته و تجهیزات امنیتی

✔ فشرده سازی تصاویر در صنعت دوربین مداربسته بسیار مهم می باشد ، زیرا ارتباط مستقیم با مدیریت پهنای باند و مدیریت فضای ذخیره سازی دارد.

✔ برای استفاده از یک الگورتیم فشرده سازی خاص باید هم دوربین و هم دستگاه استندالون از آن الگوریتم پشتیبانی کنند.

منبع برای مطالعه بیشتر : wiki.rdsiran.com

با ما همراه باشید 🌱

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_compressing

📽 تکنولوژی فشرده سازی تصویر در دوربین های مدار بسته

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage

#image_compressing

📥 مکانیزم فشرده سازی در دوربین های مداربسته و تجهیزات امنیتی

✔ همواره با رشد تکنولوژی روش های فشرده سازی نیز پیشرفت های زیادی کرده اند.

✔ پروسه ی فشرده سازی در دوربین های مدار بسته از طریق الگوریتم مشخصی انجام می شود.

✔ ابتدا دوربین تصاویر را با یک الگوریتم خاص کد می کند (Encode) و در دستگاه استندالون با همان الگوریتم کد گشایی (Decode)  می شود .

✔ استفاده از دوربین های مداربسته دارای تکنولوژی فشرده سازی بروز مانند : H.264 و H.265 و دستگاه های استندالون (NVR/DVR) به عنوان Decode تا حد زیادی می تواند در مدیریت پهنای باند و همچنین کاهش فضای معرفی تاثیر گذار باشد.

🔍 منبع برای مطالعه بیشتر : rdsiran.com

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_compressing

🖇 استاندارد فشرده سازی H.264

✴ فشرده سازی H.264 یک استاندارد برای فشرده سازی تصاویر می باشد که فشرده سازی و توزیع محتوای دیجیتال را انجام می دهد .

✴ این کار با پردازش فریم های ویدیوئی با استفاده از یک استاندارد فشرده سازی مبتنی بر محدوده ی حرکتی انجام می شود .

✴ الگوریتم H.264 نسبت به الگوریتم های قبلی مانند MJPEG و MPEG ، به طور قابل توجهی پهنای باند اشغال و مدیریت فضای ذخیره سازی را بهبود بخشیده است.

🔍 منبع برای مطالعه بیشتر : rdsiran.com

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_compressing
#H264

📚 پروژه های دنیای تصویر

📝 GLIGEN: Open-Set Grounded Text-to-Image Generation

📝 GLIGEN (Grounded-Language-to-Image Generation) a novel approach that builds upon and extends the functionality of existing pre-trained text-to-image diffusion models by enabling them to also be conditioned on grounding inputs.

Project page:
📥 download

Paper:
📥 download

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#project
#digital_image_processing