یک رویکرد مبتنی بر یادگیری عمیق برای تشخیص دود در دوربین های نظارتی
- سال انتشار: 1398
- محل انتشار: پنجمین کنفرانس ملی محاسبات توزیعی و پردازش داده های بزرگ
- کد COI اختصاصی: DCBDP05_055
- زبان مقاله: فارسی
- تعداد مشاهده: 1055
نویسندگان
دانشجوی کارشناسی ارشد، دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان – تبریز – ایران
دانشیار، دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان – تبریز – ایران
چکیده
تشخیص وجود آتش سوزی در مراحل ابتدایی آن اهمیت بسیار بالایی در محیطهای کاربردی مختلف دارد. برای این منظور، ا ستفاده از روشهای بینایی ما شین میتواند زمان ت شخیص را به میزان قابل توجهی کاهش دهد. از میان علائم بصری آتش، با توجه به اینکه دود در بسیاری از موارد زودتر از شعله های آتش نمایان میشود و به سرعت محیط را فرا میگیرد، میتوان از آن برای تشخیص زودهنگام خطر حریق ا ستفاده کرد. برای این منظور، در این مقاله یک رویکرد تشخیص دود در تصاویر برگرفته شده از دوربینهای نظارتی ارائه شده است. در رویکرد پیشنهادی، یک شبکه ی عصبی کانولوشنی با معماری جدیدی معرفی شده است که در عین اینکه دارای تعداد پارامتر بسیار پائینی است، که باعث کاهش بار محاسباتی میشود، دارای قدرت تشخیص بالایی نیز میباشد. تفکیک دود سفید رنگ با دود سیاه رنگ در کلاسهای جداگانه نیز بر قدرت روش پیشنهادی افزوده است. همچنین استفاده از یک روش یکنواخت سازی هیستوگرام متناسب با کاربرد مورد هدف منجر به کاهش تاثیر عوامل ناشی از نوسانات سطح روشنایی بر داده های ورودی شبکه شده است. آزمایشات انجام گرفته بر روی مجموعه تصاویر ویدویی استاندارد نشان از عملکرد مناسب رویکرد پیشنهادی دارد.کلیدواژه ها
تشخیص دود، نظارت ویدیویی، پردازش ویدیو، یادگیری عمیق، شبکه های عصبی کانولوشنیمقالات مرتبط جدید
- مرور سیستماتیک کاربرد هوش مصنوعی در موسیقی
- In-silico Analyses for Finding Potential Key Genes and Pathways Associated with Guillain-Barré Syndrome Using Computational Tools
- OCD Severity Based on EEG Signals
- Investigating the (non) -Impact of Customizing Knowledge Bases of Artificial Intelligence -Driven Robot on Language for Specific Purposes Learning
- The Need for Telehealth and Tele-Educationon in Optimizing Measles Surveillance and Reducing Healthcare Costs
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.