شناسایی صحنه، مبتنی بر همجوشی در دادگان جدید چندطیفی (مرئی-فروسرخ) و شبکه های پیچشی ژرف، با رویکرد یادگیری
Publish place: Machine Vision and Image Processing، Vol: 9، Issue: 4
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 108
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMVIP-9-4_002
تاریخ نمایه سازی: 6 تیر 1401
Abstract:
در دهه های اخیر، تکنیکهای مختلفی در حوزه بینایی کامپیوتر، برای طبقه بندی و شناسایی صحنه ها در فضاهای مختلف، بر روی تصاویر طیف مرئی ارائه شده است. در این مقاله، ابتدا یک پایگاه داده تصویری چند طیفی، شامل زوج تصاویر طیف مرئی رنگی و فروسرخ ایجاد میشود. سپس با تجزیه تصاویر طیف مرئی و فروسرخ، به وسیله تبدیل موجک و استفاده از یک روش وزن دهی مبتنی بر آموزش شبکه های عصبی پیچشی ژرف، همجوشی تصاویر انجام میشود. همچنین این رویکرد، با چندین روش همجوشی دیگر و با استفاده از معیارهای ارزیابی کمی، مقایسه میشود. در نهایت، با استفاده از معماریهای مبتنی بر شبکه های عصبی پیچشی ژرف آموزش دیده، تصاویر صحنه های مختلف، طبقه بندی میشوند. برای آموزش این شبکه ها بر روی مجموع تصاویر این پایگاه داده کوچک، از رویکرد یادگیری انتقالی، استفاده میشود تا طبقه بندی صحنه، با کمترین هزینه محاسباتی انجام گیرد. نتایج تجربی نشان میدهند که روش پیشنهادی، در طبقه بندی صحنه، که به صورت همجوشی تصاویر چهارکاناله (RGB-IR) صورت گرفته است، کارآمد بوده و ضمن داشتن معیارهای کمی همجوشی بالاتر، منجر به عملکرد بهتر، در مقایسه با سایر رویکردهای همجوشی تصاویر چندطیفی و با دقت طبقه بندی ۹۶.۶۷% میشود.
Keywords:
Authors
رحمان سروش
دانشجوی دکتری الکترونیک، دانشکده برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل.
یاسر بالغی
گروه الکترونیک، دانشکده برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل.