شناسایی و تشخیص اشیاء در تصویر با استفاده از الگوریتم یولو بهینه شده

امروزه بصورت گسترده برای نظارت و کنترل محیط از سیستم های نظارت تصویری استفاده می شود. برای جلوگیری از حوادث ناخواسته و حفاظت از اماکن نظامی، امنیتی، مردم و اموال آن ها، سرمایه گذاری در سیستم های نظارت تصویری بسیار افزایش یافته و هدف، استفاده حداکثری از تمام دستاوردهای تکنولوژیکی موجود در این زمینه برای توسعه سیستم های نظارت تصویری است. استفاده از سیستم های نظارت تصویری در سازمان ها، ادارات، کارخانجات و محیط های کاری موجب مراقبت و کنترل دقیق محیط، کاهش تخلفات، افزایش توانایی در آشکار سازی سریع حوادث و نظم دهی محیط کاری شده است. هدف از شناسایی و تشخیص اشیاء در سامانه های نظارت تصویری، دسته بندی و برچسب گذاری اشیا و تعیین موقعیت دقیق آنها در تصویر یا ویدئو است.امروزه شبکه های عصبی عمیق برای حل مسائل مختلف مورد بررسی و استفاده قرار می گیرند. در این مقاله ما به منظور شناسایی و تشخیص اشیاء در تصاویر از الگوریتم بهینه شده یولو استفاده نموده ایم. در معماری پایه شبکه یولو از تابع فعال سازی ریلو استفاده شده است که این تابع فعال سازی در نقطه صفر مشتق پذیر نیست و دوم منجر به صفر شدن تمام مقادیر منفی می گردد در نتیجه ما با تغییر تابع فعال سازی سعی در افزایش دقت شبکه عصبی پایه داریم. ما با ایجاد تغییر در معماری پایه الگوریتم یولو در شناسایی و تشخیص اشیاء، دقت شبکه های عصبی پایه را در شناسایی و تشخیص اشیاء در تصاویر را به میزانmAP = ۰.۸ درصد افزایش داده ایم.

کلیدواژه ها:

سیستم نظارت تصویری ، تشخیص اشیاء ، الگوریتم یولو ، شبکه عصبی عمیق ، تابع فعال سازی