شناسایی سریع مکان و نوع وسیله نقلیه در تصاویر با استفاده از روش یادگیری عمیق

  • سال انتشار: 1401
  • محل انتشار: فصلنامه پدافند الکترونیکی و سایبری، دوره: 10، شماره: 2
  • کد COI اختصاصی: JR_PADSA-10-2_010
  • زبان مقاله: فارسی
  • تعداد مشاهده: 198
دانلود فایل این مقاله

نویسندگان

مجتبی ناصحی

دانشجوی دکترا، دانشکده مهندسی برق، دانشگاه آزاد واحد شهر مجلسی، اصفهان، ایران

محسن عشوریان

دانشیار، دانشکده مهندسی برق، واحد شهر مجلسی، دانشگاه آزاد اسلامی، اصفهان، ایران

حسین امامی

دانشیار، دانشکده مهندسی برق، واحد شهر مجلسی، دانشگاه آزاد اسلامی، اصفهان، ایران

چکیده

امروزه وسایل نقلیه در مقیاس بالا، در قسمت های مختلف شهر پراکنده هستند و از این جهت احتیاج به کنترل توسط سامانه های برنامه ریزی شده دارند. پیدا کردن  خودکار وسایل نقلیه در تصویر و دسته بندی نوع آن­ها پیچیده است، زیرا وسایل نقلیه شکل ها، رنگ­ها و مدل های بسیار متفاوتی دارند و طراحی شان با یکدیگر متفاوت است. از این رو روش­های مختلف آنالیز تصاویر برای حل این مسئله مطرح گردیده است. اما بعضی از چالش­ها مانند تعدد تصویر در یک صحنه، بهم پیوستگی تصویر وسیله نقلیه و زمینه تصویر، وجود نویز در تصاویر، تلرانس نسبت به تغییرات نور وجود دارد. در سال­های اخیر استفاده از شبکه های عصبی عمیق به عنوان ابزاری کارآمد در شناسایی با وجود تنوع شرایط محیطی و اجسام مطرح شده­اند. اما چالش استفاده از شبکه های عصبی عمیق بار محاسباتی بالای آن­هاست. در این مقاله رویکرد جدیدی برای شناسایی نوع وسایل نقلیه استفاده می­شود، این رویکرد از ترکیب شبکه عصبی VGG و الگوریتم تفکیک و دنبال کردن تصاویر Yolo  استفاده کرده است. این روش باعث بهبود چالش­های روش­های پیشین می­گردد و در ضمن باعث کاهش بار محاسباتی می­گردد. تصاویر از دو پایگاه داده ImageNet و COCO  گرفته شده و از این پایگاه­ها به منظور آموزش و آزمون شبکه عصبی استفاده می­گردد.  نتایج نشان می­دهد که سامانه طراحی شده بسیاری از مشکلات را به خوبی برطرف می­نماید. دقت تشخیص در مقایسه با سامانه­های قبلی ۲ الی ۳ درصد افزایش یافته است. از مزایا این رویکرد می­توان به کیفیت بالا در آشکارسازی تصاویر و سرعت قابل قبول در تشخیص نوع وسیله نقلیه اشاره کرد.

کلیدواژه ها

تشخیص وسایل نقلیه, شبکه عصبی عمیق کانولوشن, شبکه عصبی VGG

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.