ویدا یوسفی رامندی - دانشجوی کارشناسی ارشد مهندسی کامپیوتر، گرایش هوش مصنوعی، دانشگاه آزاد اسلامی، واحد قزوین
بابک کرسفی - استادیار، مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد قزوین

می توان اشیاء مخفی را از تصاویر موج میلی متری جدا کرد. ویژگی های حاصل از فیلترها و LBP با استفاده از یادگیری ماشین می تواند برای جدا سازی تشخیص اشیا گزینه مناسبی باشد. در این مقاله، روش حل مساله مبتنی بر حذف نویز به کمک فیلترهای پردازش تصویر و آنگاه استفاده از شبکه های عصبی پیچشی که یکی از روش های یادگیری عمیق است به منظور استخراج کارآمد ویژگی ها می باشد. آنگاه خروجی را به طبقه بند SVM می دهیم تا شی مخفی را تشخیص دهد. مطالعات شبیه سازی در قالب دو سناریوی تصاویر پردازش شده با روش پیشنهادی و تصاویر خام انجام شده که نتایج بیانگر کارایی روش پیشنهادی می باشد.

تشخیص شیء مخفی، تصویر، یادگیری عمیق، پردازش، شبکه عصبی پیچشی، ماشین بردار پشتیبان