مقالات پذیرفته شده                   برگشت به فهرست مقالات | برگشت به فهرست نسخه ها

XML English Abstract Print

تشخیص بلادرنگ نوع خودرو با استفاده از طبقه‌بند مبتنی بر شبکه کانولوشن و ادغام موجک هار
سیدمحمد جوادی مقدم* 1، حسین غلامعلی نژاد1
1- دانشگاه بزرگمهر قائنات
چکیده:   (201 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.
واژه‌های کلیدی: شبکه کانولوشن، یادگیری عمیق، تشخیص خودرو، موجک هار
     
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1402/4/8 | پذیرش: 1403/5/17 | انتشار الکترونیک پیش از انتشار نهایی: 1403/6/24
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.