ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص خودرو و تعیین ویژگی های آن با استفاده از یادگیری عمیق

تعداد صفحات: 7 | تعداد نمایش خلاصه: 105 | نظرات: 0
سال انتشار: 1398
کد COI مقاله: ICMVIP11_036
زبان مقاله: فارسی
(فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص خودرو و تعیین ویژگی های آن با استفاده از یادگیری عمیق

نسرین نظری - آزمایشگاه تعامل انسان و کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس
فواد قادری - آزمایشگاه تعامل انسان و کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس

چکیده مقاله:

با افزایش جمعیت شهری، تعداد وسایل نقلیه در حال افزایش است و از سوی دیگر داده های تصویری نسبتا زیادی در دسترس هستند. تشخیص خودرو و شناسایی ویژگی های آن یکی از نیازمندی های مهم در حمل و نقل هوشمند و مدیریت شهری است. در این مقاله ، الگوریتمی برای تشخیص و یادگیری ویژگی های وسایل نقلیه دریک چارچوب یکپارچه ارائه شده است. این الگوریتم متشکل از دو شبکه عصبی کانولوشنی است که شامل یک شبکه تشخیص خودرو که شبکه ی کاملا متقارن وکم عمق با هدف شناسایی وسایل نقلیه و یک شبکه ی یکپارچه و عمیق برای بررسی کاندیدهای خودرو و تعیین موقعیت، رنگ و انواع آن می باشد.این دو شبکه به طور همزمان بهینه می شوند بهطوری که دانش بدست آمده از شبکه عمیق برای هدایت و آموزش شبکه کم عمق و ساده، مورد استفاده قرار گرفته و نتایج به دست آمده برتری شبکه Inception_resnet_v2 در مورد دو ویژگی نوع و موقعیت وسایل نقلیه را نشان می دهد

کلیدواژه ها:

تشخيص وسيله نقليه ،تعيين ويژگي ها، شبكه هاي عميق، هدايت دانش نهفته

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1045175/

کد COI مقاله: ICMVIP11_036

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
نظری، نسرین و قادری، فواد،1398،تشخیص خودرو و تعیین ویژگی های آن با استفاده از یادگیری عمیق،یازدهمین کنفرانس ملی و اولین کنفرانس بین‌المللی بینایی ماشین و پردازش تصویر ایران،قم،،،https://civilica.com/doc/1045175

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، نظری، نسرین؛ فواد قادری)
برای بار دوم به بعد: (1398، نظری؛ قادری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 26,122
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی