بهبود تشخیص اشیا در تصاویر موج میلیمیتری غیر فعال مبتنی بر الگوریتم YOLOv3

با افزایش نگرانی در حیطه های امنیت عمومی، تشخیص شی پنهان شده روی بدن انسان به مسئله ی بسیار مهم در سامانه بازرسی امنیت، تبدیل شده است. تصاویر مورد استفاده در این حیطه، تصاویر موج میلیمتری غیر فعال می باشند که قادرند تا اشیای خطرناک در تصاویراسکن شده را توسط حسگرها تشخیص دهند. اخیرا روش های تشخیص اشیای زیادی مبتنی بر شبکه های عصبی عمیق ارائه شده اند. از آنجا که اشیا در تصاویر با اندازه های مختلف هستند، ضروری است که الگوریتم تشخیص قادر به تشخیص اشیا در اندازه های مختلف باشد. YOLOv3 از الگوریتم های تشخیص اشیا با سرعت و دقت بالا است که در این تحقیق، از آن به عنوان الگوریتم پایه استفاده کرد و با اضافه کردن نمودن ماژول SPP و هم چنین استفاده از کادرهای انکر مناسب با اشیای درون مجموعه ی داده، به دقت متوسط ومیانگین دقت متوسط بالاتری دست یافتیم. شبکه ی پیشنهادی از لحاظ معیار میانگین دقت متوسط توانست به مقدار 98.44 درصد برسد که 2.24 درصد بهتر عمل کرده است.

کلیدواژه ها:

تشخیص شی پنهان شده ، تصاویر موج میلیمتری ، تشخیص اشیا ، شبکه های عصبی ، عمیق ، YOLOv3 ، SPP