حذف ویژگی های مشترک برون کلاسی به منظور بهبود بازشناسی رویداد در تصویر
Publish place: Amad and defense technology، Vol: 7، Issue: 1
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 51
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AMFAD-7-1_001
تاریخ نمایه سازی: 30 اردیبهشت 1403
Abstract:
امروزه به صورت گسترده برای نظارت و کنترل محیط از سامانه های نظارت و پایش تصویری استفاده میشود. هدف ما در این مقاله شناسایی و تشخیص رویداد در ویدیو است. ما به منظور شناسایی و تشخیص رویداد در ویدیو، ویدیوی ورزش فوتبال را که دارای پیچیدگیها و چالشهای فراوان است موردبررسی و آنالیز قرار دادهایم در میان این چالشها، می توان به خلاصه سازی، ردیابی، بازشناسی رویدادهای مهم بازی و غیره اشاره کرد، به عنوان مثال بازشناسی رویدادهایی مانند پنالتی و ضربه آزاد که دارای المانهای بصری مشترک میباشند، دارای چالش بیشتری است. وجود المانهای مشترک بین دو رویداد سبب استخراج ویژگیهای مشترک و تفکیک ناپذیر در فرآیند بازشناسی این دو رویداد میشود. درنتیجه خطای بازشناسی و تفکیک این چنین رویدادهایی نسبت به سایر رویدادها بیشتر است. در این مقاله ما یک روش جدید برای حذف ویژگیهای مشترک بین دو کلاس باهدف همگرا کردن ویژگیهای درون کلاسی و واگرا نمودن ویژگیهای برون کلاسی برای افزایش دقت دسته بندی و بازشناسی دو رویداد پنالتی و ضربه آزاد ارائه دادهایم. نتایج ارزیابی های انجام شده به وسیله روش پیشنهادی، حاکی از بهبود دقت بازشناسی و تفکیک دو رویداد پنالتی و ضربه آزاد با استفاده از روش پیشنهادی است و دقت شناسایی و تشخیص این دو رویداد به طور میانگین نسبت به شبکه عصبی عمیق پایه به میزان ۹.۰۸ درصد افزایش یافته است.
Keywords:
Authors
امیرحسین زنگنه
گروه مهندسی نرم افزار، دانشکده رایانه و سایبر، دانشگاه هوایی شهید ستاری، تهران، ایران
احسان شریفی
گروه مهندسی نرم افزار، دانشکده رایانه و سایبر، دانشگاه هوایی شهید ستاری، تهران، ایران.
محمود دی پیر
گروه مهندسی نرم افزار دانشکده رایانه و سایبر دانشگاه هوایی شهید ستاری،تهرانفایران
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 :