مقالات پذیرفته شده
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
1- دانشگاه بزرگمهر قائنات
چکیده: (595 مشاهده)
در سالهای اخیر، طبقهبندی بلادرنگ نوع خودرو، به دلیل کاربردش در کنترل و تحلیل ترافیک، از موضوعات جذاب و بسیار پرکاربرد بوده است. با توجه به محدودیت تعداد نمونه ای آموزشی برچسب دار باکیفیت، تغییرات در وضعیت زاویهای خودرو و دوربین، کیفیت و وضوح تصویر، نور و شرایط آب و هوایی، دقت تشخیص از چالش های مهم در سیستم های تشخیص نوع خودرو می باشد. در این مقاله، یک شبکهی کانولوشن بلادرنگ جدید برای تشخیص نوع خودروها با دقت بالا معرفی شدهاست. در ساختار عصبی پیشنهادی، لایهی ادغام جدید با استفاده از تبدیل موجک هار علاوه بر کاهش ابعاد نقشهی ویژگی خروجی از لایهی کانولوشن، قابلیت استخراج ویژگی را نیز دارد. نوآوری دیگر ساختاری، استفاده از بلوکهای فشار-تحریک قبل از لایههای کانولوشن میانی می باشد که موجب بالارفتن دقت بازشناسی می شود. علاوه براین، در الگوریتم یادگیری پس انتشار، با اصلاح روش بهروزرسانی وزنها، از طریق تغییر ساختار بهینهسازها، پایداری بیشتر شبکه و بالاتررفتن دقت بازشناسی حاصل شده است. روش پیشنهادی روی دو مجموعه دادهی IRVD و مجموعه MIO-TCD ارزیابی شدهاست. نتایج ارزیابی نشان می دهند که ساختار پیشنهادی در مقایسه با ساختارهای کانولوشن رایج، از نظر معیارهای طبقهبندی، عملکرد بهتری داشته است.
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1402/4/8 | پذیرش: 1403/5/17 | انتشار الکترونیک پیش از انتشار نهایی: 1403/6/24
دریافت: 1402/4/8 | پذیرش: 1403/5/17 | انتشار الکترونیک پیش از انتشار نهایی: 1403/6/24
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
