|
|
انتخاب ناحیههای کاندیدا در سیستمهای تشخیص و شناسایی اشیاء
|
|
|
|
|
نویسنده
|
قنبری سرخی علی ,حسنپور حمید ,فاتح منصور
|
منبع
|
محاسبات نرم - 1395 - دوره : 5 - شماره : 2 - صفحه:34 -47
|
|
|
چکیده
|
در تحقیقات انجامشده در سالهای اخیر، بهدستآوردن ناحیههای کاندیدا بهعنوان یک مرحلۀ اساسی و مهم در سیستمهای تشخیص و شناسایی اشیای موجود در تصویر معرفی شده است. بهدستآوردن این ناحیهها مانند یک تنگنا بوده و بیشترین بار محاسباتی را در این نوع از سیستمها دارد.دراینخصوص، انتخاب روش مناسب و سریع میتواند در بهبود عملکرد سیستمهای تشخیص بسیار حائز اهمیت باشد. در این مقاله، به مرورِ کارهای انجامشده در این زمینه پرداخته شده و چندین روش مشهور و محبوب مورداستفاده در سیستمهای شناسایی قدرتمند معرفی شده است. همچنین به مقایسه و ارزیابی روشهای مطرح بر روی مجموعهدادههای استاندارد pascal voc، imagenet و coco پرداخته شده است. در بین روشهای موردارزیابی، روش ناحیۀ کاندیدا گروهبندی ترکیبی بر پایۀ چندین مقیاس (mcg) با الگوریتم شناسایی شبکۀ عصبی کانولوشن بر پایۀ ناحیه (r-cnn)، بهترین نتایج را داشته است. این روش عملکردی در حدود 57درصد، 54درصد و 41درصد بر روی مجموعهدادههای pascal voc 2007، imagenet 2013 و coco 2014 نشان داده است.
|
کلیدواژه
|
ناحیۀ کاندیدا، R-Cnn سریع، ابرپیکسل، شیء بودن، تشخیص و شناسایی اشیاء
|
آدرس
|
دانشگاه صنعتی شاهرود, دانشکده مهندسی کامپیوتر, ایران, دانشگاه صنعتی شاهرود, دانشکده مهندسی کامپیوتر, ایران, دانشگاه صنعتی شاهرود, دانشکده مهندسی کامپیوتر, ایران
|
پست الکترونیکی
|
mansoor_fateh@yahoo.com
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|