ارزیابی خسارت در عملیات نظامی با استفاده از یادگیری عمیق و پردازش تصاویر

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 18

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JSCIT-10-3_001

تاریخ نمایه سازی: 25 مهر 1403

Abstract:

تشخیص اشیاء نقش مهمی در تحلیل تصاویر صحنه های نبرد به ویژه ارزیابی خسارت دارد. در این مقاله از فنون بینایی ماشین و در کنار آن یادگیری عمیق و پردازش تصاویر دیجیتال برای دستیابی به روشی قدرتمند با حداکثر سرعت و دقت جهت تشخیص اشیاء مورد نظر در صحنه نبرد و همچنین تخمین خسارات وارد شده استفاده شده است. برای انجام عمل تشخیص اشیاء، ویژگی ها و پارامترهای تصاویر توسط شبکه های عصبی کانولوشن استخراج شده و در امر یادگیری شبکه عصبی به کار گرفته شده است. برای ارزیابی خسارت از معیارهای شباهت ساختاری، خطای میانگین مربعات و روش آستانه گذاری برای سنجش میزان شباهت و تغییرات تصاویر دریافتی قبل و بعد از خسارات وارد شده، استفاده شده است. در نهایت، نمونه هایی از تصاویر مکان های خسارت دیده برای اعتبارسنجی روش پیشنهادی مورد بررسی و آزمایش قرار گرفته است.

Authors

mohammad ali hamidi

پژوهشگر، پژوهشکده عالی جنگ، دانشگاه فرماندهی و ستاد آجا

hamid bigdeli

استادیار، پژوهشکده عالی جنگ دانشگاه فرماندهی و ستاد آجا

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 :
  • L. Poole and A. K. Mackworth, “Artificial intelligence: Foundations of ...
  • دژ پسند, فرهاد, و حمیدرضا رئوفی، “اقتصاد ایران در دوران ...
  • P. Papageorgiou and M. Oren, “A general framework for object ...
  • Cortes, V.Vapnik, “Support Vector Networks,” Mach. Learn., vol. ۲۰, no. ...
  • Torralba, A. Oliva, and W. T. Freeman, “Object recognition by ...
  • Ren, K. He, R. Girshick, and J. Sun, “Faster R-CNN: ...
  • Liu et al., “SSD: Single shot multibox detector,” Lect. Notes ...
  • De-yun, Z. Li-na, Z. Kai, and Z. Kun, “Battle damage ...
  • Chen-han and H. Jian, “The application of Bayesian network in ...
  • Paul, “Probability models for battle damage assessment (simple shoot-look-shoot and ...
  • K. Mehraa, “Automatic Battle Damage Assessment based on Laser Radar ...
  • Lecun, L. Bottou, Y. Bengio and P. Haffner, "Gradient-based learning ...
  • Rawat, W. and Wang, Z., “Deep convolutional neural networks for ...
  • Krizhevsky, I. Sutskever, and H. Geoffrey E, “ImageNet Classification with ...
  • Szegedy, S. Reed, P. Sermanet, V. Vanhoucke, and A. Rabinovich, ...
  • Howard et al., “MobileNets: Efficient Convolutional Neural Networks for Mobile ...
  • Lin TY. et al. “Microsoft COCO: Common Objects in Context. ...
  • Goodfellow, Ian; Bengio, Yoshua; Courville, Aaron, "۶.۲.۲.۳ Softmax Units for ...
  • Wang, A. C. Bovik, H. R. Sheikh, and E. P. ...
  • نمایش کامل مراجع