شناسایی وسایل نقلیه مبتنی بر شبکه های عصبی عمیق در تصاویر ماهواره ای

تشخیص وسیله نقلیه در تصاویر ماهواره ای یک کار چالش برانگیز است ، اما در عین حال معنی دار است.در این مقاله یک روش تشخیص وسیله نقلیه در تصاویر ماهواره ای با استفاده از شبکه عصبی عمیق متحرک (DNN) پیشنهاد شده است. DNNمدلی از یادگیری عمیق است و هنگام کار با تصاویر از ظرفیت یادگیری بالایی برخوردار است. DNN شامل چندین لایه کانولوشن و لایه های جمع شده است ، آخرین لایه اتصال کامل در جهت خروجی است (این می تواند به عنوان شبکه عصبی در نظر گرفته شود). DNNمی تواند به طور خودکار ویژگی های غنی را از مجموعه داده های یادگیری بیاموزد و در بسیاری از برنامه ها مانند طبقه بندی تصویر و تشخیص اشیا عملکرد عالی داشته است.برای بهره مندی از این روش ، ما چارچوبی را برای شناسایی خودرو پیشنهاد می دهیم.در مرحله اول ما از یک تقسیم بندی ابرپیکسل مبتنی بر نمودار برای استخراج مجموعه ای از قطعه های تصویر استفاده می کنیم ، که به ما کمک می کند تا وسیله نقلیه را به طور موثرپیدا کنیم.سپس یک شبکه DNN را آموزش می دهیم تا این دسته ها را به وسیله نقلیه و غیر وسیله نقلیه طبقه بندی کنیم.نتایج تجربی نشان می دهد که روش پیشنهادی عملکرد خوبی دارد ، و نرخ تشخیص بالا و نشانه های کاذب بسیار کمتری برای تمام بخشهای تست جاده دارد.

Keywords:

شناسایی وسیله نقلیه , شبکه عصبی عمیق , تصاویر ماهواره ای , ابر پیکسل.