ردیابی انسان در شرایط وجود مانع برای کاربرد در شرایط زلزله و ریزش آوار با استفاده از شبکه عصبی کانولوشنال

Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 197

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICTI04_080

تاریخ نمایه سازی: 20 مهر 1400

Abstract:

در سال های اخیر پردازش تصویر رشد بالایی کرده است. تاثیر این پیشرفت در بسیاری از حوزه ها به خصوص حوزه پزشکی نمود بیشتری پیدا کرده است. تشخیص انسان در حوزه امداد و نجات کار زیادی صورت نگرفته است و یکی از چالش های پیش رو به شمار می رود. تشخیص جامعه موضوع چالش برانگیز در تحلیل شبکه های اجتماعی به حساب می آید. الگوریتم شبکه عصبی کانولوشنال یکی از کارآمدترین ابزارهای پردازش تصویر است که توانایی بالایی در حوزه های مختلف از خود نشان داده است. تشخیص انسان در هر شرایطی که در زیر آوار است کار پر جلشی است زیرا همواره مانعی در جلوی آن وجود دارد که اجازه دیده شدن کامل آن را نمی دهد. تحت این شرایط سیستمی باید طراحی کرد که تنها با دیدن بخش کوچکی از بدن شخص به درستی وجود اورادهد. از این رو در این کار با در دست داشتن دادگانی شامل تصاویر افرادی که در زیر آوار قرار داشتند سعی شد تا این سیستم پیاده سازی گردد. برای رسیدن به این هدف تعدادی زیادی از مقالات مطالعه شد و روش درست چیدمان لایه ها و همچنین طریقه آموزش انتخاب گردید. در این کار سعی شد تا شبکه ی از پیش آموزش داده شده ای انتخاب گردیده و عمل بازآموزی بر روی آن صورت گیرد تا نیاز به حجم بالایی از دادگان نباشد. به همین دلیل از یک سبکه بر روی دادگان CIFAR آموزش داده شد و سپس با استفاده از دادگان مورد استفاده در این کار وزن هب بروز شدند. در این حالت سیستم تواانست به خطایی در حدود ۶ درصد دست یابد که با توجه به انتخاب ۶۰ تصویر برای آموزش سیستم درصد کارایی قابل قبولی است.

Keywords:

پردازش تصویر در امداد و نجات , تشخیص انسان , شبکه های کانولوشنال , یادگیری عمیق

Authors

امیرحسین بصیرفسایی

دانشجوی کارشناسی ارشد دانشگاه پیام نور تهران- ایران

مهدی جوانمرد

استادیار دانشگاه پیام نور تهران، سازمان مرکزی پیام نور، ایران