شناسایی خودروهای اضطراری مبتنی بر یادگیری عمیق به منظور استفاده در خودروهای بدون راننده

هدف از طراحی و ساخت خودروهای بدون راننده حذف عامل انسانی به منظور کاهش تلفات، هزینه ­ها و  نیز افزایش ایمنی خودرو با جایگزینی تجهیزات هوشمند است. امروزه با بهره­مندی از فناوری­های هوش مصنوعی و یادگیری ماشین شاهد پیشرفت­های چشم­گیری در صنعت حمل و نقل هوشمند به ویژه خودروهای تمام خودکار هستیم که با استفاده از حسگرهای پیشرفته و تکنیک بینایی ماشین قادر به تجزیه و تحلیل اطلاعات محیط پیرامون خود هستند. از چالش­های مطرح در طراحی سیستم این نوع از خودروها، شناسایی درست سایر وسایل نقلیه ­ی اطراف مسیر حرکت خودرو است. در این مقاله، برای شناسایی خودروهای اضطراری یک روش مبتنی بر یادگیری عمیق ارائه شده است که فرایندهای استخراج ویژگی و طبقه­ بندی درآن به صورت همزمان انجام می­شود. شبکه عمیق مورد استفاده در این پژوهش شبکه پیچشی می­باشد. در شبکه­ های عصبی پیچشی دستیابی به نتایج قابل قبول وعملکرد مناسب، مستلزم در اختیار داشتن حجم عظیمی از داده­ها برای آموزش شبکه می­باشد. با توجه به محدود بودن تعداد تصاویر موجود در مجموعه ­داده مورد استفاده در این پژوهش و به منظور افزایش دقت شناسایی، از فرایند یادگیری انتقالی و شبکه پیش ­آموزش­دیده  VGG۱۶ نیز استفاده شده است. برای این تحقیق دو مجموع داده جدید ایجاد و در کنار دو مجموعه داده دیگر مورد آزمایش قرار گرفت. روش پیشنهادی با  چهار روش دیگر نیز مورد مقایسه قرار گرفت و نتایج به دست آمده نمایانگر کارایی بسیار خوب روش پیشنهادی است.

شناسایی خودروهای اضطراری مبتنی بر یادگیری عمیق به منظور استفاده در خودروهای بدون راننده Keywords:

خودروهای بدون راننده , خودروهای اضطراری , یادگیری عمیق , پردازش تصویر