سامانه خودیادگیر مبتنی بر پردازش تصویر جهت کمک به راننده در نقاط کور با استفاده از شبکه های عصبی عمیق

در این مقاله یک سامانه دستیار راننده مبتنی بر دوربین منفرد برای کسب جزییات در نقاط کور ارائه می کنیم که بدون داده ی برچسب گذاری شده، به صورت خودیادگیر آموزش می بیند. برای پیاده سازی بخش خودیادگیر به منظور تولید خودکار برچسب ها از شبکه آموزش دیده YOLO-V۳ تنها در فاز آموزش استفاده شد. سپس در سامانه پیشنهادی برای طبقه بندی، از یک شبکه عصبی پیچشی سبک وزن استفاده گردید. ورودی شبکه اخیر، تصویر خاکستری و جریان نوری ۴ است و به دلیل ساختار سبک آن سرعت اجرای بالایی دارد. نقطه قوت این مقاله در مقایسه با مقالات مشابه، پردازش اطلاعات دنباله ای از تصاویر به منظور ارزیابی ریسک بروز تصادف با توجه به اشیای متحرک در نقاط کور است. در این مقاله با استفاده تشخیص و ردگیری اشیا در تصویر، وجود وسایل نقلیه و سرعت نسبی آنها تعیین می گردد و از روی آن برای نقاط کور خودرو، ریسک بروز تصادف پیش بینی می شود. ادغام جریان نوری با تصویر و همچنین ترکیب نتایج با ویژگی های استخراج شده از یک شبکه عصبی عمیق، باعث توانمندی سامانه پیشنهادی شده است. در کاربرد پیشنهادی مقاله، دوربین بر روی آینه کناری خودرو نصب شده است و با ۹۶ درصد دقت، خطر بروز تصادف هنگام چرخش به طرفین یا تغییر خط تخمین زده شده است.

Keywords:

سامانه دستیار راننده , نقاط کور , پردازش تصویر , یادگیری عمیق , آموزش خودیادگیر , تشخیص شی در تصویر , ردگیری اشیا