یادگیری عمیق ترکیب با شبکه عصبی شعاعی جهت طبقه بندی خودروها و شدت تصادفات

یکی از ابزار های کاربردی برای برر سی ویژ گی های تصادفات رانندگی تصاویر مربوط به صحنه تصادف میبا شد. ویژ گی هایی که از ا ین تصاویر می توان ا ستخراج کرد کمک ز یادی در بهبود مدیریت تصادفات و کاهش ز مان ا مداد ر سانی به آ سیب د یدگان می نما ید. یکی از این ویژگیها نوع وسیله نقلیه درگیر در صحنه ت صادفات می با شد. از سوی دیگر یادگیری عمیق که مهم ترین نوع آن شبکه عصبی پیچشی ا ست، قدرت بسیارز یادی در شنا سایی ویژ گی های تصاویر دارد. در ا ین مقاله یک سیستم طبقه بندی بر اساس 3 روش استخراج ویژگی شامل: -1 ویژگی های تصویری، -2 شبکه عصبی پیچشی، -3 شبکه پیچشی ترکیبی تعریف می گردد. در حالت سوم خروجی شبکه ی پیچشی به الگوریتم های طبقه بندی ماشین بردار پشتیبان، پرسپترون چند لایه و شبکه عصبی شعاعی ارسال می شود. ارزیابی های به عمل آمده روی داده های صحنه تصادفات شامل 3567 تصویر، نشان مید هد که ا ستخراج ویژ گی به کمک شبکه پیچشی ترکیبی به ترین نتایج را به همراه دا شته ا ست. نتایج حا صله نشان می د هد که برای شنا سایی نوع خودرو ا ین الگوریتم دارای دقت 86/54 و برای شناسایی شدت صدمات وارده دارای دقت 99/39 می باشد. به علاوه الگوریتم پیشنهادی خودرو های غیر درگیر در تصادف را بادقت 98/91%طبقه بندی می کند که قابل مقایسه با بهترین الگوریتم های قبلی می باشد

کلیدواژه ها:

تحلیل تصاویرتصادفات ، یادگیری عمیق ، شبکه عصبی پیچشی ، استخراج ویژگی ، شبکه عصبی شعاعی ، انتخاب ویژگی