بهبود تشخیص اشیا در تصاویر موج میلیمتری غیرفعال مبتنی بر الگوریتم yolov3

با افزایش نگرانی در حیطه‌ی امنیت عمومی، تشخیص شی پنهان‌شده روی بدن انسان به مسئله‌ی بسیار مهم در سامانه بازرسی امنیت، تبدیل شده است. تصاویر مورد استفاده در این حیطه، تصاویر موج میلیمتری غیرفعال می‌باشند که قادرند تا اشیای خطرناک در تصاویر اسکن شده را توسط حسگرها تشخیص دهند. اخیرا روش‌های تشخیص اشیای زیادی مبتنی بر شبکه‌های عصبی عمیق ارائه شده‌اند. از آن‌جایی که اشیا در تصاویر با اندازه‌های مختلف هستند، ضروری است که الگوریتم تشخیص قادر به تشخیص اشیا در اندازه‌های مختلف باشد. yolov3 از الگوریتم‌های تشخیص اشیا با سرعت و دقت بالا است که در این تحقیق، از آن به عنوان الگوریتم پایه استفاده کرده و با اضافه نمودن ماژول spp و هم‌چنین استفاده از کادرهای انکر مناسب با اشیای درون مجموعه‌ی داده، به دقت متوسط و میانگین دقت متوسط بالاتری دست یافتیم. شبکه‌ی پیشنهادی از لحاظ معیار میانگین دقت متوسط توانست به مقدار 98.24 درصد برسد که 3.24 درصد بهتر عمل کرده است.