Read more
À l'ère du numérique, avec la disponibilité d'énormes données numériques sur Internet, les utilisateurs doivent rechercher différents moyens de récupérer des données appropriées à partir de données non organisées. La classification est une de ces techniques qui a aidé les chercheurs du monde entier à restreindre leur recherche. Parmi les données disponibles en raison de l'augmentation des technologies numériques, la disponibilité des données multimédia augmente rapidement de jour en jour. Pour récupérer les données requises (images), de nombreux chercheurs ont élaboré des algorithmes ou des méthodes de récupération des images, dont la classification des images. Elle a joué un rôle important dans de nombreuses applications comme la médecine, la photogrammétrie, la vision par ordinateur, etc.Dans ce projet, une tentative est faite pour concevoir une méthodologie pour un système de classification d'image efficace en extrayant 50 caractéristiques suivies par la classification d'image en incorporant différentes techniques de classification. Ce projet traite également de la récupération d'une nouvelle instance d'image qui n'est pas présente dans l'ensemble de données d'entraînement, suivie d'une classification d'images. Une comparaison est faite entre les techniques de classification utilisées et les résultats expérimentaux menés sur 1150 images différentes appartenant à 17 catégories différentes.
About the author
A.Sravani, actualmente trabaja como Profesora Asistente, Departamento de CSE en el Instituto de Tecnología de la Información de Vignan. Tiene 7 años de experiencia en la enseñanza. Es experta en aprendizaje automático y procesamiento de imágenes. Tiene 6 publicaciones de las cuales 4 están indexadas en scopus. Ha publicado artículos en 3 conferencias internacionales.
