Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

469
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

568
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارائه یک الگوریتم ترکیبی مبتنی بر یادگیری عمیق و ماشین بولتزمان محدود با هدف قطعه بندی معنایی خودرو از تصاویر مادون قرمز حرارتی پهپاد

صفحات

 صفحه شروع 77 | صفحه پایان 99

چکیده

 امروزه پایش وسایل نقلیه زمینی با استفاده از روش های پردازش تصویر, یکی از حیطه های کاربردی در کنترل ترافیک هوشمند به شمار می آید. در این زمینه, به کارگیری تصاویر مادون قرمز حرارتی پهپاد.به دلیل قدرت تفکیک مکانی مناسب, مقرون به صرفه بودن و حجم کمتر تصاویر, یکی از گزینه های مطلوب برای هدف پایش وسایل نقلیه است. روش هایی که تا به حال برای استخراج وسایل نقلیه از تصاویر حرارتی ارائه شده اند, اغلب دارای مشکلاتی نظیر دقت پایین در شناسایی و قطعه بندی (مانند روش HOG+SVM) و نیاز به کلان داده های آموزشی (مانند روش های یادگیری عمیق) است. در تحقیق حاضر, یک مدل جدید با نام SegRBM-Net بر اساس یادگیری عمیق و ماشین بولتزمان محدود ارائه شده است. از جمله ویژگی های مدل SegRBM-Net, افزایش دقت شناسایی و قطعه بندی وسایل نقلیه از تصاویر حرارتی با استفاده توأم از لایه های کانوولوشنی و ویژگی های ماشین بولتزمان محدود گوسین-برنولی می باشد. این ساختار موجب شده است تا الگوریتم, هدف را با سرعت و دقت بیشتری نسبت به سایر روش های یادگیری عمیق پیدا کند. به منظور ارزیابی کارایی و دقت روش پیشنهادی, از چهار مجموعه داده مادون قرمز حرارتی پهپاد با ویژگی هایی نظیر تراکم بالای وسایل نقلیه در صحنه و زاویه دید متنوع استفاده شده است. بر اساس نتایج این تحقیق, مدل SegRBM-Net با دقت میانگین 99 درصد و بهبود سرعت پردازش, نسبت به روش های مشابه دارای کارایی مناسبی می باشد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    خوش برش ماسوله، مهدی، و شاه حسینی، رضا. (1398). ارائه یک الگوریتم ترکیبی مبتنی بر یادگیری عمیق و ماشین بولتزمان محدود با هدف قطعه بندی معنایی خودرو از تصاویر مادون قرمز حرارتی پهپاد. مهندسی فناوری اطلاعات مکانی، 7(4 )، 77-99. SID. https://sid.ir/paper/230157/fa

    Vancouver: کپی

    خوش برش ماسوله مهدی، شاه حسینی رضا. ارائه یک الگوریتم ترکیبی مبتنی بر یادگیری عمیق و ماشین بولتزمان محدود با هدف قطعه بندی معنایی خودرو از تصاویر مادون قرمز حرارتی پهپاد. مهندسی فناوری اطلاعات مکانی[Internet]. 1398؛7(4 ):77-99. Available from: https://sid.ir/paper/230157/fa

    IEEE: کپی

    مهدی خوش برش ماسوله، و رضا شاه حسینی، “ارائه یک الگوریتم ترکیبی مبتنی بر یادگیری عمیق و ماشین بولتزمان محدود با هدف قطعه بندی معنایی خودرو از تصاویر مادون قرمز حرارتی پهپاد،” مهندسی فناوری اطلاعات مکانی، vol. 7، no. 4 ، pp. 77–99، 1398، [Online]. Available: https://sid.ir/paper/230157/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا