محسن سلیمی - شهرداری اراک

این مقاله مطالعه ای در مورد تشخیص وسایل نقلیه از نقشه های هوایی با وضوح و دقت بالا را ارائه می دهد.در این مقاله، روش بخش بندی سوپرپیکسل طراحی شده برای عکس های هوایی برای کنترل بخش بندی با نرخ شکست پایین پیشنهاد شده است. برای کارایی بیشتر تمرین و تشخیص، تکه های مهم و عمده ای مبتنی بر مراکز سوپرپیکسل های بخش بندی شده را استخراج کردیم. بعد از بخش بندی، با استفاده استراتژی تکرار انتخاب نمونه های آموزشی که مبتنی بر ارائه پراکنده است، از مجموعه کلی اصلی زیرمجموعه ای آموزشی و کوچک و کامل فراهم می آوریم.توسط زیرمجموعه آموزشی انتخاب شده، فرهنگی دارای توانایی تمییز و تفاوت قائل شدن برای تشخیص وسایل نقلیه فراهم می آوریم.طی آموزش و تشخیص، شبکه مشخصه های گرادیان متمایل هیستوگرام (HOG) به منظور استخراج ویژگی ها استفاده شده اند.برای بهبود بیشتر کارایی تشخیص و آموزش،روشی برای تخمین جهت اصلی مشخص شده برای هر تکه و قطعه ارائه شده است . با چرخش هر قطعه به جهت اصلی آن، جهات ثابتی به قطعات می دهیم. تحلیل های جامع و مقایسات بر روی دو مجموعه داده ها، عملکرد رضایت بخش الگوریتم پیشنهادی را نشان می دهد.

تصویر هوایی، وضوح بالا، نمایش پراکنده، سوپرپیکسل، تشخیص وسیله نقلیه