شناسایی خودروهای نظامی بر روی تصاویر واقعی به کمک مدلهای یادگیری عمیق و انطباق دامنه
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 119
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CCCI15_075
تاریخ نمایه سازی: 25 آذر 1403
چکیده مقاله:
در این مقاله ، ما مدلی هوشمند برا ی شناسایی یک کلاس خاص از خودروهای نظامی در محیط ها ی واقعی ارائه می دهیم که از تکنیک های یادگیری عمیق و تطبیق دامنه بهره می برد. هدف اصلی این تحقیق بهبود دقت و کارایی مدل های شناسایی اش یاء در شرایط متنوع و چالش برانگیز است . تصاویر هدف ممکن است تحت شرایط نوری و زوایای دید متفاوتی ثبت شوند، که این امر تعمیم پذیری مدل به داده ها ی جدید و ناشناخته را ضروری می سازد. تطبیق دامنه به ما اجازه می دهد تا بدون نیاز به تولید دیتاست های بزرگ و زمان بر برای شناسایی خودروهای نظامی در شرایط واقعی ، از اطلاعات موجود به بهترین نحو بهره برداری کنیم . ما از یک دیتاست تول ید شده در محیط Unreal Engine استفاده کرده ایم که شامل تصاویر متنوعی از یک کلاس خاص خودروها ی نظامی می باشد. روش ما مبتنی بر خودآموز ی با شبه برچسب ها بوده و نتایج ارزیابی نشان می دهد که این رویکرد در کنار تکنیک های کلاسیک یادگیری عمیق ، بهبود قابل توجهی در عملکرد شناسایی ارائه می دهد. پژوهش حاضر می تواند به عنوان ابزاری موثر برا ی تصمیم گیری در عملیات نظامی مورد استفاده قرار گیرد و به فرماندهان کمک کند تا تشخیص سریع تر و دقیقتری از خودروها ی دشمن داشته باشند.
کلیدواژه ها:
نویسندگان
فاطمه رحیم پور
دانشجوی دکتری هوش مصنوعی ، دانشگاه صنعتی مالک اشتر، تهران
مهدی شهبازی
دانشجوی دکتری هوش مصنوعی ، دانشگاه صنعتی مالک اشتر، تهران