تشخیص خود کار اشیا در تصاویراز طریق پردازش تصویرپیشرفته و مقایسه با تکنیک های یادگیری عمیق
Publish Year: 1397
Type: Conference paper
Language: Persian
View: 2,626
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
TECCONF04_280
Index date: 21 September 2019
تشخیص خود کار اشیا در تصاویراز طریق پردازش تصویرپیشرفته و مقایسه با تکنیک های یادگیری عمیق abstract
یکی از مسائل مطرح در حوزه بینایی ماشین تشخیص دسته اشیا یا طبقه بندی آنهاست. بدین منظور ابتدا ویژگی های تصویر توسط توصیف گرا استخراج شده و سپس کلاس بندی ویژگی های استخراج شده انجام می شود. روش های رایج تشخیص اشیا متحرک، تفاضل پس زمینه است. از چالش های مطرح در حوزه ی تشخیص اشیا، می توان وجود اشیا مشابه در پنجره ی جستجو، تغییر شکل و تغییرات روشنایی محیط و یافتن مدل پس زمینه ای دقیق برای تشخیص درست اشیا پیش زمینه نام برد. روش پیشنهادی برای تشخیص اشیا بر اساس یادگیری عمیق می باشد که از شبکه های عصبی کانولوشن برای این پژوهش استفاده شده است. شبکه های عصبی کانولوشن از شبکه های عصبی پیشخور با تعداد 3 لایه پنهان می باشد. استفاده از یادگیری عمیق در کلیه حوزه های باعث بهبود در کارها شده است، استفاده از یادگیری عمیق در زمینه تشخیص اشیا نیز باعث بهبود کار می شود. همچنین از روش LBP برای انتخاب ویژگی استفاده می شود با استفاده از نرم افزار متلب این روش پیاده سازی و بر روی دیتاست خودرو آزمایشات انجام گرفت، دقت روش پیشنهادی 88.99 درصد می باشد .
تشخیص خود کار اشیا در تصاویراز طریق پردازش تصویرپیشرفته و مقایسه با تکنیک های یادگیری عمیق Keywords:
تشخیص خود کار اشیا در تصاویراز طریق پردازش تصویرپیشرفته و مقایسه با تکنیک های یادگیری عمیق authors
اشرف مرادی
دانشجوی کارشناسی رشته مکاترونیک دانشگاه آزاد اسلامی واحد اسمنان
سیدفرهود موسوی زاده
استادراهنما