ارتقای قابلیت تشخیص هدف در تصاویر موج میلیمتری غیرفعال مبتنی بر الگوریتم YOLOv۳

چکیده: امواج میلیمتری ویژگی های منحصربه فردی مانند قابلیت نفوذ در الیاف لباس را دارند که منجر به تشخیص اشیای پنهان در لباس می شوند. به همین دلیل، سامانه تصویربرداری موج میلیمتری در بخش های امنیت عمومی مراکز مهم، به خصوص فرودگاه ها و مراکز نظامی می تواند مورد استفاده قرار گیرد. تحت شرایط امنیتی و به جهت افزایش هوشمندی برای رصد مجرمین، تشخیص اشیای پنهان شده در زیر لباس با دقت و سرعت بالا منجر به افزایش اقتدار پلیس خواهد شد. با معرفی روش های تشخیص اشیای مبتنی بر شبکه های عصبی کانولوشنال عمیق، می توان از این روش ها برای برآورده کردن نیازهای دقت و سرعت بالا استفاده نمود. در این مقاله، به منظور تشخیص اهداف از الگوریتم YOLOv۳ به دلیل دقت و سرعت بالای آن به عنوان الگوریتم تشخیص اشیای پایه استفاده می شود. جهت افزایش میانگین دقت متوسط الگوریتم YOLOv۳ و نیز افزایش دقت تشخیص اشیای کوچک از اضافه نمودن ماژول SPP به ساختار شبکه ی استخراج گر ویژگی الگوریتم YOLOv۳ و نیز کادرهای انکر مناسب با اهداف درون مجموعه داده ی مورد نظر استفاده می گردد. هم چنین، جهت کاهش پیچیدگی محاسباتی و نیز کاهش زمان تشخیص از ساختار کوچک تر YOLOv۳ استفاده می شود. در نهایت کارآیی روش پیشنهادی با الگوریتم YOLOv۳ اولیه مقایسه می گردد. نتایج نشان می دهد که روش پیشنهادی علاوه بر افزایش ۴.۰۴% میانگین دقت متوسط، زمان تشخیص ۱۴ میلی ثانیه را نیز صرف می کند.

Keywords:

هوشمند سازی پلیس , امواج میلیمتری , تشخیص اشیا , شبکه های عصبی کانولوشنال عمیق , الگوریتم YOLOv۳