الگوی سه گانه محلی(Local Ternary Pattern)

الگوی سه گانه محلی(Local Ternary Pattern) همان الگوی باینری محلی توسعه یافته است که برخلاف الگوی دودوئی محلی که مقادیر پیکسلها با توجه به آستانه فقط مقادیر صفر و یک را داشت در این الگو سه مقدار به پیکسلها تخصیص می یابد، با در نظر گرفتن مقدار k بعنوان آستانه و c بعنوان مقدار پیکسل مرکز و p بعنوان مقادیر پیکسل همسایگی 8 گانه خواهیم داشت : 

ورک شاپ کودا

کتاب پردازش موازی و برنامه نویسی با GPU

کتاب پردازش موازی و برنامه نویسی با GPU نوشته آقای دکتر اسدالله شاه بهرامی عضو هیئت علمی گروه مهندسی کامپیوتر دانشگاه گیلان و سرکار خانم مهندس صدیقه جم در پاییز سال 1396 در 10 فصل و 400 صفحه توسط انتشارات نص منتشر شده است که مختصری از عناوین فصول کتاب در زیر بیان شده است:

بخش اول به بررسی مفاهیم موازی سازی و اصول و تکنیکها پرداخته است و  شامل چهار فصل می باشد: 

معیارهای ارزیابی

در تمامی عملیات بینایی ماشین و دیگر شاخه های هوش مصنوعی بدلیل آنکه انسان در برگرداندن خروجی  هیچگونه مداخله ای ندارد، بایستی خروجی کار با پارامترهایی سنجیده شود تا نرخ خطا و دقت بازیابی مورد سنجش قرار گیرد و بدینوسیله عملکرد سیستم مورد ارزیابی قرار گیرد، از این رو 4 پارامتری که در تعیین دقت و خطای عملکرد نقش مهمی را ایفا می کنند در اینجا باختصار شرح داده شده است:

TN: این مقدار بیانگر تعداد رکوردهایی است که دسته واقعی آنها منفی بوده و الگوریتم دسته‌بندی نیز دسته واقعی آنها را بدرستی منفی تشخیص داده است.
FP: این مقدار بیانگر تعداد رکوردهایی است که دسته واقعی آنها منفی بوده و الگوریتم دسته‌بندی دسته آنها را به اشتباه مثبت تشخیص داده است.
FN: این مقدار بیانگر تعداد رکوردهایی است که دسته واقعی آنها مثبت بوده و الگوریتم دسته‌بندی دسته آنها را به اشتباه منفی تشخیص داده است.
TP: این مقدار بیانگر تعداد رکوردهایی است که دسته واقعی آنها مثبت بوده و الگوریتم دسته‌بندی دسته آنها را بدرستی مثبت تشخیص داده است.

شکل زیر نمونه ای از FN و FP را نشان می دهد.

از این رو نرخ دقت بازیابی و همچنین نرخ خطا به ترتیب  از روابط 1 و 2 محاسبه می شود: