تشخیص نمادهای ناهنجار در داده های تصویری با استفاده از مدل های یادگیری عمیق

با گسترش روزافزون محتوای تصویری در فضای مجازی، نظارت دستی بر نمادهای ناهنجار عملا غیرممکن شده و نیاز به سامانه های هوشمند تشخیص خودکار بیش از پیش احساس می شود. در این پژوهش، یک مجموعه داده اختصاصی شامل ۳۶۵۹ تصویر از سه نماد «چشم جهان بین»، «ستاره واژگون» و «گونیا و پرگار» گردآوری و به صورت دقیق برچسب گذاری شد. داده ها با نسبت ۸۰٪ برای آموزش و ۲۰٪ برای آزمون تقسیم گردیدند و به منظور افزایش تنوع بصری و بهبود تعمیم پذیری، تکنیک های افزایش داده بر مجموعه آموزشی اعمال شد. عملکرد مدل های Faster R-CNN، SSD۳۰۰ و خانواده YOLO (نسخه های YOLOv۸ تا YOLOv۱۲) مورد ارزیابی و مقایسه قرار گرفت. نتایج نشان داد مدل Faster R-CNN در مجموعه آزمون به مقادیر Precision برابر با ۰.۹۰۱، Recall برابر با ۰.۹۰۹ و mAP۵۰ برابر با ۰.۹۳۹ دست یافته و نسبت به مدل های تک مرحله ای عملکرد برتری ارائه کرده است. یافته ها حاکی از آن است که معماری های دو مرحله ای در تشخیص نمادهای دارای جزئیات هندسی ظریف و شباهت ساختاری بالا، از قابلیت تعمیم پذیری بهتری برخوردارند. نتایج این پژوهش می تواند مبنایی برای توسعه سامانه های هوشمند پایش و فیلترینگ خودکار محتوای تصویری در کاربردهای نظارتی و تحلیل رسانه ای باشد.

کلیدواژه ها:

نمادهای ناهنجار ، مدل تشخیص شیء ، مجموعه داده تصویری ، YOLO ، SSD ، Faster-RCNN