Los algoritmos de reducción de dimensionalidad basados en el aprendizaje múltiple han recibido mucha atención en el reconocimiento de hojas de plantas, ya que los algoritmos pueden seleccionar un subconjunto de características discriminativas eficaces y eficientes en las imágenes de hojas. En este trabajo, se introduce un método de reducción dimensional basado en la alineación local discriminativa del espacio tangente (LDTSA) para el reconocimiento de hojas de plantas basado en imágenes de hojas. El método propuesto puede abarcar la optimización parcial y la alineación total y encapsular la información geométrica y discriminativa en un parche local. Los experimentos con dos bases de datos de hojas de plantas, ICL y Swedish plant leaf datasets, demuestran la eficacia y viabilidad del método propuesto.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Detección en tiempo real de orejas humanas basada en la combinación de Yolo y RetinaFace.
Artículo:
Gestión inteligente de la energía y reducción del retardo para el seguimiento de objetivos en redes de sensores inalámbricos
Artículo:
Nuevos circuitos ternarios Min/Max integrados en modo corriente sin fuentes de corriente independientes constantes
Artículo:
Instrumentación en tiempo de ejecución de interfaces SystemC/TLM2 para la verificación de requisitos de tolerancia a fallos en cosimulación de software
Artículo:
Marca de agua fotográfica ciega con un modelo robusto de JND basado en desenfoque
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.