وحید احمدزادهاصل - دانشجوی کارشناسیارشد، گروه گروه فنی و مهندسی، دانشگاه پیام نور، تهران، ایران
ناصر فرجزاده - دکترای علومکامپیوتر، هوشمصنوعی، گروه کامپیوتر، دانشکده فناوری اطلاعات و مهندسی کامپیوتر، دانشگاه شهید مدنیآذربایجان، تبریز، ایران

از میان شاخههای هوش مصنوعی، کاربردیترین آنها مکانیزهکردن سیستمهای بینایی میباشد. دامنهی کاربرد این شاخه از فناوری در حال رشد، بسیار وسیع است. راهکار پیشنهادی در این مقاله، استخراج ویژگیهای تصاویر هوایی و یادگیرکردن آن می- باشد. سیستم، خصوصیات شی را از نمونههای آموزشی یاد میگیرد، سپس بر روی دادهی تست، استفاده میشود تا کلاس شی راکشف کند. یادگیری کلاس شی به عنوان مسالهی دستهبندی دودویی به دو دستهی تصاویر طبیعی (تصاویر بدون اشیای ساخت بشر) و تصاویر غیرطبیعی (تصاویر با اشیای ساخت بشر) مدلسازی میشود. هدف اصلی، کشف اتوماتیک اشیای ساخت بشر با دقت بالا با استفاده از روشهای یادگیری ماشین با یک مکانیزم آموزش کارآمد میباشد. برای ارزیابی راهکار پیشنهادی بهغیر از اعمال آن بر روی پایگاهدادهی اصلی، بر روی پایگاهدادهی جامع دیگر که در اینترنت موجود میباشد، اعمال شده است؛ که نتایج حاصل از آن قدرت تشخیص بالای راهکار پیشنهادی را نشان میدهد.

بیناییماشین، تصاویرهوایی، شبکهی عصبی، شبکهی بیزین، درخت تصمیمگیری، قطعه بندی، یادگیری ماشین