پیشنهاد و پیاده سازی سیستم تشخیص عابران پیاده با استفاده از شبکه های عصبی عمیق

از تشخیص خودکار اشیا تصویر در کاربرد های مختلفی از جمله آمارگیری، پزشکی و ... میتوان استفاده کرد و نیاز به سیستم های تشخیص خودکار اشیا با پیشرفت روزافزون فناوری رو به افزایش است. در این پروژه یک سیستم تشخیص عابران توسعه داده شده است تا بتواند توسط نرم افزار های آمارگیری مورد استفاده قرار گیرد و همچنین بتوان از آن ها در سیستم هایی مانند ماشینهای خودران که نیاز به شناسایی عابران پیاده و اشیا مختلف برای عملکرد مناسب دارند، استفاده کرد.بررسی های انجام شده نشان میدهد که سیستم توسعه داده شده قادر است تا چندین برابر با دقت بیشتری از روش های قدیمی تر یادگیری ماشین، نسبت به کلاس بندی اشیا اقدام کند و با به کارگیری پنجره ای لغزان که بر روی تصویر حرکت میکند میتواند محدوده هر شی موجود در تصویر و نوع آن را مشخص کند و در انتها تعداد را شمارش نماید. برای توسعهی این سیستم از مجموعه داده ای با 26641 تصویر آموزشی استفاده شده است. در تحقیقات آینده میتوان با به کار گیری شبکه های عصبی محدوده ای از افزونگی اشیا شناخته شده کاست و محدوده اشیا را بهتر مشخص کرد.

کلیدواژه ها:

تشخیص اشیا ، یادگیری عمیق ، شبکه های عصبی کانولوشنی ، کلاس بندی تصاویر ، تشخیص عابران پیاده