بهبود تشخیص شئ برجسته با استفاده از ویژگی های چند مقیاسی در شبکه های عمیق
- سال انتشار: 1400
- محل انتشار: چهارمین کنفرانس بین المللی محاسبات نرم
- کد COI اختصاصی: CSCG04_176
- زبان مقاله: فارسی
- تعداد مشاهده: 354
نویسندگان
گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران
استادیار گروه مهندسی کامپیوتر، دانشگاه سمنان، سمنان، ایران
چکیده
پیشرفت های اخیر در تشخیص شئ برجسته، عمدتا توسط راه حل های مبتنی بر یادگیری عمیق به دست آمده است. پیشرفت های انجام شده در شبکه های عصبی کانولوشنی ( CNN ) و شبکه های عصبی کاملا کانولوشنی ( FCN )، گرایش به نمایشه ای چند مقیاسی موثرتر و کارآمدتر را نشان داده اند. وظایف سطح پیکسل مانند: تشخیص شئ برجسته نیز نیازمند توانایی به دست آوردن نمایش های چند مقیاسی قوی از شبکه های عصبی کانولوشنی پایه بر ای تعیین موقعیت اجسام و جزئ یات منطقه آنها است. در این مقاله یک روش پردازش چند مقیاس ساده اما کارآمد ارایه شد. برای رسیدن به این مهم از یک بلوک ساختاری جدید به نام Res۲Net برای استخراج ویژگی های عمیق چند سطحی و چند مقیاسی در بخش رمزگذار استفاده شد. ماژول Res۲Net ویژگی های چند مقیاسی را در یک سطح دقیق تر نشان می دهد و دامنه میدان های دریافتی را برای هر لایه شبکه افزایش می دهد. رویکرد پیشنهادی از پتانسیل چند مقیاسی در سطح بسیار دقیقی استفاده می کند، که با روش های موجود که عملیات لایه ای را به کار می گیرند، متعامد است. نتایج آزمایش ها بر روی شش مجموعه داده عمومی پرکاربرد در تشخیص شئ برجسته نشان می دهد که رویکرد پیشنهادی ما می تواند اشیاء برجسته را به سرعت و با وضوح بالا مکان یابی کند و در مقایسه با روش های پیشرفته در تشخیص شئ برجسته، سطح عملکرد را بهبود ببخشد .کلیدواژه ها
تشخیص شئ برجسته، تشخیص برجستگی تصویر، شبکه های عمیق کاملا کانولوشنی، بینایی ماشین،یادگیری عمیقمقالات مرتبط جدید
- Design of Compact Microstrip Low Pass Filter using Transfer Function analysis
- تخمین ضریب توان توربین بادی با استفاده از یک مدل فازی-عصبی تطبیقی مبتنی بر الگوریتم HGO
- A new change point lifetime distribution and its application in reliability
- خوانش پذیری موسیقایی فرتور درب تکیه بیگلربیگی در شهر کرمانشاه از دیدگاه آیکونولوژی (شمایل شناسی) اروین پانوفسکی
- نقش عوامل سازمانی در حفظ و نگهداشت کارکنان دانشی با هدف توسعه مدیریت دانش در مراکز اطلاع رسانی دانشگاهی
اطلاعات بیشتر در مورد 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.