تشخیص خود کار اشیا در تصاویراز طریق پردازش تصویرپیشرفته و مقایسه با تکنیک های یادگیری عمیق
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,548
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TECCONF04_280
تاریخ نمایه سازی: 30 شهریور 1398
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 .
Keywords:
Authors
اشرف مرادی
دانشجوی کارشناسی رشته مکاترونیک دانشگاه آزاد اسلامی واحد اسمنان
سیدفرهود موسوی زاده
استادراهنما