حذف ویژگی های مشترک برون کلاسی به منظور بهبود بازشناسی رویداد در تصویر

امروزه به صورت گسترده برای نظارت و کنترل محیط از سامانه های نظارت و پایش تصویری استفاده می­شود. هدف ما در این مقاله شناسایی و تشخیص رویداد در ویدیو است. ما به منظور شناسایی و تشخیص رویداد در ویدیو، ویدیوی ورزش فوتبال را که دارای پیچیدگی­ها و چالش­های فراوان است موردبررسی و آنالیز قرار داده­ایم در میان این چالش­ها، می توان به خلاصه سازی، ردیابی، بازشناسی رویدادهای مهم بازی و غیره اشاره کرد، به عنوان مثال بازشناسی رویدادهایی مانند پنالتی و ضربه آزاد که دارای المان­های بصری مشترک می­باشند، دارای چالش بیشتری است. وجود المان­های مشترک بین دو رویداد سبب استخراج ویژگی­های مشترک و تفکیک ناپذیر در فرآیند بازشناسی این دو رویداد می­شود. درنتیجه خطای بازشناسی و تفکیک این چنین رویدادهایی نسبت به سایر رویدادها بیشتر است. در این مقاله ما یک روش جدید برای حذف ویژگی­های مشترک بین دو کلاس باهدف همگرا کردن ویژگی­های درون کلاسی و واگرا نمودن ویژگی­های برون کلاسی برای افزایش دقت دسته بندی و بازشناسی دو رویداد پنالتی و ضربه آزاد ارائه داده­ایم. نتایج ارزیابی های انجام شده به وسیله روش پیشنهادی، حاکی از بهبود دقت بازشناسی و تفکیک دو رویداد پنالتی و ضربه آزاد با استفاده از روش پیشنهادی است و دقت شناسایی و تشخیص این دو رویداد به طور میانگین نسبت به شبکه عصبی عمیق پایه به میزان ۹.۰۸ درصد افزایش یافته است.

کلیدواژه ها:

شبکه عصبی عمیق دنس نت ، شبکه رزنت ، ویژگی های مشترک ، ویژگی های برون کلاسی ، یادگیری عمیق