روش های آموزش آگاه از پیچیدگی به منظور تشخیص عابر پیاده

در این مقاله، به مساله تشخیص عابر پیاده پرداخته شده است. بدین منظور، طراحی ردیاب های عابر پیاده آگاه از پیچیدگی از طریقترکیب ویژگی هایی با پیچیدگی های بسیار متفاوت، مورد بررسی قرار گرفته است. بدین منظور، یک روش طراحی آبشاری جدید، بافرمولبندی یادگیری آبشاری بر اساس بهینه سازی لاگرانژی، با وجود ریسک طبقه بندی که هم دقت و هم پیچیدگی را در بر می گیرد،معرفی شده است. لذا یک الگوریتم تقویت کننده، که به عنوان آموزش آبشاری آگاه از پیچیدگی (CompACT) شناخته شده است،معرفی شده و سپس برای حل این بهینه سازی، استخراج شده است. آبشارهای CompACT با انتقال ویژگیهای پیچیده تر به مراحلبعدی آبشار، = که تنها چند نمونه پیچیده برای طبقه بندی باقی مانده اند، به دنبال ایجاد یک تعامل مطلوب بین دقت و پیچیدگیهستند. این امر امکان استفاده از ویژگی هایی با پیچیدگی های بسیار متفاوت در یک تشخیص دهنده را فراهم می کند. در نتیجه،مجموعه ویژگی ها را می توان به ویژگی هایی که پیش از این برای طراحی آبشار غیر عملی مانند پاسخ های شبکه عصبی CNN استفادهمی شدند، توسعه داد. این امر از طریق طراحی ردیاب های عابر پیاده با مجموعه ای از ویژگی هایی که پیچیدگی های آنها از مرتبه هایبزرگی برخوردار است، نشان داده شده است. آبشار حاصل ترکیبی از CNN با مکانیسم طرح شی است که تعمیم داده شده است. در اینروش، به جای مرحله پیش پردازش، آبشارهای CNN, Comp ACT ها را در مراحل خود ادغام می کند. این کار تشخیص دقیق را باسرعت نسبتا سریعی امکان پذیر می سازد.

کلیدواژه ها:

الگوریتم تقویت کننده ، آشکارسازی بر خط ، ردیاب عابر پیاده