سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تشخیص وضعیت لغزندگی جاده با استفاده از تصاویر دوربین های جاده ایی مبتنی بر شبکه های عصبی پیچشی و یادگیری انتقالی

Publish Year: 1401
Type: Journal paper
Language: Persian
View: 240

This Paper With 13 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_PADSA-10-2_009

Index date: 13 February 2023

تشخیص وضعیت لغزندگی جاده با استفاده از تصاویر دوربین های جاده ایی مبتنی بر شبکه های عصبی پیچشی و یادگیری انتقالی abstract

تشخیص وضعیت لغزندگی سطح جاده امری مهم در راستای افزایش امنیت جاده و سرنشینان و همچنین توسعه خودروهای خودران و فناوری های مرتبط با آن است. در این راستا پژوهش های مختلفی با روش ها و حسگرهای متفاوت، با استفاده از داده های گوناگونی نظیر تصویر، صوت و فرکانس موج صورت گرفته است. این مقاله بدون استفاده از حسگرها و روش های پرهزینه تنها با استفاده از تصاویر دوربین های مداربسته موجود در جاده ها و بهره گیری از شبکه های عصبی پیچشی انجام شده است. ایده اصلی پژوهش جاری استفاده از رویکرد یادگیری انتقالی است. بنابراین در ابتدا اهمیت و مزایای استفاده از یادگیری انتقالی، در قالب آموزش شبکه ای با ساختار InceptionNetv۳ بیان شده است. در مرحله بعد با استفاده از چارچوبی جدید به نام GFNet، شبکه عصبی پیچشی ResNet۵۰ و شبکه عصبی بازگشتی با یکدیگر ترکیب و با استفاده از یادگیری انتقالی آموزش داده شده اند. درنهایت شبکه ای با توانایی تشخیص سطح جاده، در سه دسته خشک، خیس و برفی با دقتی بالغ بر ۹۶% به دست آمده است.

تشخیص وضعیت لغزندگی جاده با استفاده از تصاویر دوربین های جاده ایی مبتنی بر شبکه های عصبی پیچشی و یادگیری انتقالی Keywords:

تشخیص وضعیت لغزندگی جاده با استفاده از تصاویر دوربین های جاده ایی مبتنی بر شبکه های عصبی پیچشی و یادگیری انتقالی authors

محمد امین گیاهبان

کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران

محمد حسن شجاعی فرد

استاد، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران

عبدالله امیرخانی

استادیار، دانشکده مهندسی خودرو، دانشگاه علم و صنعت ایران، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
M. Li, Y. Li, and M. Jiang, "Lane Detection Based ...
Y. Y. Ye, X. L. Hao, and H. J. Chen, ...
L. Caltagirone, M. Bellone, L. Svensson, and M. Wahde, "LIDAR–camera ...
B. Varona, A. Monteserin, and A. Teyseyre, "A Deep Learning ...
R. Fan, M. J. Bocus, Y. Zhu, J. Jiao, L. ...
A. Khoshravian, M. M. Tehrani, and A. Amirkhani, "Semantic Segmentation ...
A. Czyżewski, A. Sroczyński, T. Śmiałkowski, and P. Hoffmann, "Development ...
M. Budzyński and A. Tubis, "Assessing the Effects of the ...
E. Ackerman, "Fatal Tesla Self-driving Car Crash Reminds Us that ...
M. R. Endsley, "Autonomous Driving Systems: A Preliminary Naturalistic Study ...
A. Taeihagh and H. S. M. Lim, "Governing Autonomous Vehicles: ...
A. Alnasser, H. Sun, and J. Jiang, "Cyber Security Challenges ...
S. N. Doustimotlagh, "A New Framework for Enhancing the Security ...
R. Robinson, "Slippery Road Detection and Evaluation," University of Michigan, ...
W. Kongrattanaprasert, H. Nomura, T. Kamakura, and K. Ueda, "Detection ...
D. Lee, J.-C. Kim, M. Kim, and H. Lee, "Intelligent ...
J. Casselgren, M. Kutila, and M. Jokela, "Slippery Road Detection ...
V. Viikari, T. Varpula, and M. Kantanen, "Automotive Radar Technology ...
J. Alonso, J. M. López, I. Pavón, M. Recuero, C. ...
M. Nolte, N. Kister, and M. Maurer, "Assessment of Deep ...
S. P. Jakhar, A. Nandal, and R. Dixit, "Classification and ...
C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, and Z. ...
C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, and Z. ...
نمایش کامل مراجع