دوره 15، شماره 1 - ( 3-1397 )                   جلد 15 شماره 1 صفحات 41-54 | برگشت به فهرست نسخه ها

XML English Abstract Print


دانشجوی دکتری دانشگاه صنعتی شاهرود
چکیده:   (121 مشاهده)

طبقه­بندی دقیق اشیا (Fine-Grained Recognition) چالشی است که جامعه بینایی ماشین در حال حاضر با آن روبه­رو شده است. در این نوع طبقه­بندی گروه کلی شیء مشخص بوده و هدف تعیین زیرگروه دقیق آن است؛ شناسایی نوع و مدل وسیله نقلیه (VMMR) نیز در این حوزه قرار می­گیرد. این مسئله به‌دلیل وجود تعداد طبقه‌های زیاد، تفاوت درون‌طبقه‌ای بسیار و تفاوت بین طبقه‌ای کم از مسائل طبقه­بندی دشوار به‌شمار می­رود. در این مقاله روشی مبتنی بر بخش برای شناسایی نوع و مدل خودرو پیشنهاد شده است. این روش برای طبقه­بندی طبقه‌های مختلف خودرو، ابتدا بخش­های متمایز‌کننده هر یک را به‌صورت خودکار می­یابد؛ سپس با استخراج ویژگی از این بخش­ها و رابطه هندسی بین آن­ها، یک مدل می­آموزد. وزن بخش­های مختلف هر مدل به‌صورت پویا و با استفاده از مجموعه داده­های آموزشی یاد گرفته می­شود. سامانه پیشنهادی با ترکیب این مدل­ها به شناسایی طبقه خودرو می­پردازد. برای آزمایش سامانه پیشنهادی و به‌دلیل عدم وجود مجموعه داده به اشتراک گذاشته‌شده، یک مجموعه داده با بیش از 5000 خودرو از 28 طبقه مختلف تهیه و به‌صورت کامل علامت­گذاری شده است. نتیجه آزمایش‌های انجام‌شده بر روی این تصاویر که دارای تغییرات روشنایی زیاد و تغییرات زاویه اندک هستند، نشان از دقت بالای روش پیشنهادی دارد.
 

متن کامل [PDF 5553 kb]   (57 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش تصویر
دریافت: ۱۳۹۵/۵/۲۰ | پذیرش: ۱۳۹۶/۳/۲۰ | انتشار: ۱۳۹۷/۳/۲۳ | انتشار الکترونیک: ۱۳۹۷/۳/۲۳