تقسیم بندی معنایی برای تصاویر پهپاد با استفاده از روش های یادگیری عمیق

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 241

نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IHUJCE-1-1_001

تاریخ نمایه سازی: 13 شهریور 1402

چکیده مقاله:

در این مقاله، به تقسیم بندی معنایی برای تصاویر پهپاد به منظور شناسایی اجسام موجود در تصاویر پرداخته شده است. مجموعه داده های تقسیم بندی معنایی پهپاد با وضوح بالا به عنوان مکمل، چالش های جدیدی ازجمله تنوع در مقیاس بزرگ، تشخیص شی متحرک و حفظ سازگاری زمانی را به همراه دارد. مجموعه داده های ارائه شده بر روی افزایش ایمنی پرواز و شناسایی اجسام در مناطق شهری تمرکز دارد. چندین روش پایه یادگیری عمیق بر روی مجموعه داده ارائه شده است. در میان این روش ها، Multi-Scale-Dilation پیشنهادی از طریق استخراج ویژگی های multi-scale دارد که دارای بهترین عملکرد است. میانگین امتیاز آن به  ۹۶.۷۵درصد می رسد که بیش از ۶.۱ درصد عملکرد بهتری نسبت به سایرین دارد.  همچنین تاثیر منظم سازی مکانی و زمانی برای دنباله ای از داده ها را با استفاده از بهینه سازی فضای ویژگی بررسی کرده ایم.

کلیدواژه ها:

تقسیم بندی معنایی تصاویر ، مجموعه داده های پهپاد ، شناسه پهپاد ، تصاویر پهپاد ، یادگیری عمیق