تحلیل راهکارهای مبتنی بر شبکه های عصبی عمیق کانولوشنیدرسامانه تصویری هوشمند تشخیص عابر پیاده

در این مقاله عملکرد سه نسخه از شبکه های عصبی مبتنی بر کانولوشن در سامانه تشخیص عابر پیاده در تصاویر بررسی وارزیابی می شوند. در این میان شبکه های عمیق کانولوشنی بازگشتی و کانولوشنی بازگشتی سریع به عنوان دو نسخهبهبود یافته از شبکه عصبی عمیق کانولوشنی پیاده سازی شده و عملکرد ایشان با نتایج حاصل از اعمال نسخه پایه ایشبکه عصبی عمیق کانولوشنی بر روی تصاویر واقعی شامل پس زمینه های پیچیده و یک یا دو عابر پیاده مقایسه میگردد. نتایج حاصل از آزمون های فوق حاکی از برتری هر دو نسخه بهبود یافته نسبت به نسخه اصلی شبکه عصبی عمیقکانولوشنی می باشد به گونه ای که درصد تشخیص صحیح در آنها به ترتیب 11/3 و 15/9 درصد بهتر از روش پایه ای حاصل می گردد. همچنین ملاحظه می شود که شبکه کانولوشنی بازگشتی سریع به دلیل بهره گیری از یک شبکه ىپیشنهاد ناحیه که لایه های شبکه CNN را با قسمت شناسایی اشیاء به اشتراک می گذارد، بهترین نتیجه را در میانراهکارهای آزموده شده، حاصل می نماید.

کلیدواژه ها:

یادگیری عمیق ، شبکه های عصبی کانولوشنی ، آشکارسازی عابر پیاده ، شبکه پیشنهاد ناحیه