ارائه یک روش کارآمد با استفاده از شبکه عصبی کانولوشنی جهت تشخیص وسایل نقلیه

همواره سیستم های نظارتی یکی از پر چالش ترین حوزه ها درقسمت هوش مصنوعی است. ماهیت متغییردرتصاویر مانند رنگ، سایه و در نهایت زوایای مختلف تصویر باعث بروز چالش های بزرگی می شود که برایمرتفع کردن آن نیاز به یک روش دقیق محسوس است. در این پژوهش یکی از چالش های این موضوع یعنیزوایای مختلف دوربین و عکس های مختلف خودرو مورد بررسی قرار گرفته است و به دنبال راهکاری مناسببرای طبقه بندی خودرو از زوایای مختلف می باشیم. در این پژوهش یک معماری شبکه عصبی کانولوشونیمورد بررسی و آزمایش قرار می گیرد و سعی می شود بهترین پارامتر ها برای رسیدن به نتیجه بدست آید.ابتدا ما استفاده کردیم از عکس های واضحی از خودروها از زوایایی مختلف که از اینترنت گرفتیم و عکس ها رابه دو گروه اموزش و تست تقسیم کردیم بعد با استفاده از دیتاستمان معماری مورد بررسی پایه که VGGاست را اموزش دادیم برای جلوگیری از خطا بالا ودقت پایین در شبکه مان از داده افزایی در پایگاه داده مورداموزشمان و تنظیم مدلمان با استفاده از حذف تصادفی استفاده کردیم که در نهایت با تغییر پارامترهایاساسی مانند فیلترهای لایه کانولوشنی و نورون های لایه تمام متصل به دقت تشخیص 93 درصد برای طبقهبندی کلاس های مختلف خودرو از زوایای مختلف رسیدیم.

Keywords:

شبکه های عصبی کانولوشنی , طبقه بندی ماشین , vgg