{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK120",
        "title": "تعیین پارامترهای مناسب در روش گراف کات برای ناحیه بندی تعاملی تصویر",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1389",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK120",
        "title": "تعیین پارامترهای مناسب در روش گراف کات برای ناحیه بندی تعاملی تصویر",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1389,
        "authors": [
            {
                "name": "سمانه ابارشی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "علیرضا احمدی فرد",
                "role": "استاد راهنما"
            },
            {
                "name": "سید علی سلیمانی ایوری",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "ناحیه بندی تعاملی تصاویر",
            "الگوریتم گراف کات",
            "کلاسه بند Adaboost",
            "کلاسه بند شبکه عصبی"
        ],
        "abstract": "شده آزمایشی می باشد.ویژگی های استخراج شده از هر تصویر ناحیه بندی شده چه در فاز آموزش و چه در فاز آزمایش، شش ویژگی می باشد. این ویژگی ها خواص همگنی نواحی و تمایز مرزها را از لحاظ روشنایی و بافت نشان می دهند. خطای کلاسه بندAdaboost در ارزیابی جوابهای ناحیه بندی 1.7% و مقدار این خطا برای کلاسه بند شبکه عصبی%.65.  می باشد.ناحیه بندی تصاویر اولین گام و یکی از مهمترین بخش های یک سیستم بینایی ماشین می باشد.ناحیه بندی تصاویر را می توان در دو حوزه ناحیه بندی اتوماتیک و ناحیه بندی تعاملی بررسی نمود.در این پایان نامه ناحیه بندی تعاملی مبتنی بر گراف کات را مطالعه می نمائیم.موفقیت ناحیه بندی مبتنی بر گراف کات در گرو انتخاب پارامترهای مناسب برای این الگوریتم است.برای هر تصویر مجموعه بهینه ای از پارامترها وجود دارند که به ازای این پارامترها بهترین جواب های ناحیه بندی به دست می آیند.هدف ما در این پایان نامه ارزیابی خودکار نتایج ناحیه بندی می باشد.برای ارزیابی نتایج ناحیه بندی گراف کات،دو سیستم به کمک کلاسه بندهای Adaboost و شبکه عصبی پیشنهاد می کنیم.\r\nدر هر کدام از سیستم های پیشنهادی،کلاسه بند توسط مجموعه تصاویر ناحیه بندی شده آموزشی،آموزش داده می شود. کلاسه بند آموزش داده شده قادر به ارزیابی یک تصویر ناحیه بندی",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK120.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}