8504

تشخيص اشياء با يادگيري عميق

1400

دكتر حدادي

بحث تشخيص اشياء در تصاوير يكي از زيرمجموعههاي بينتايي ماشتين استت. تشتخيص اشتياء يتك روش خودكار براي تعيين و تشخيص اشياء در يك تصوير، با در نظر داشتن پسزمينه است. در سيستم تشتخيص اشياء، دور هر جسم يك كادر قرار ميگيرد و آن را احاطه ميكن د. هر كتادر بتا توجته بته جستم داخت آن نامگذاري شده و در دستهي مرتبط با خود قرار ميگيرد. يتادگيري عميتق، ماننتد مت دلهاي ديگتر بينتايي ما شين، روش نويني براي اجراي فرآين د شناسايي اجسام است. يكي از مشك ت اساستي سيستتم تشتخيص اشياء اين است كه تعداد اجسام موجود در پسزمينهي تصاوير با هم متفاوت است. دو روش براي پيدا كردن اين پنجرههاي خاص وجود دارد. اين دو روش از دو دستهي متفاوت از ال گوريتم هاي تشخيص شي استفاده ميكنن د. در الگوريتمهاي دستهي اول ابتدا برر سي منطقهاي انجام ميدهن د. يعني مناطقي كه احتمال وجود اشياء در آنها بيشتر است انتخاب ميشون د و پس از به دست آمدن گروهتي كوچتك از پنجرههتا، تشتخيص اشياء به كمك معادلههاي تشكي ش ده از چند م دل رگرستيون و چنتد متدل طبقهبنت دي، انجتام ميشتود. الگوريتمهاي دستهي دوم تنها در مكانها و انتدازههاي مشتخص دنبتال اجستام ميگردنت د. ايتن مكانهتا و اندازهها به گونهاي انتخاب ميشون د تا بيشتر حتالات ممكتن را پوشتش دهنتد. از الگوريتمهتاي دستته اول ميتوان RCNN ها كه شام FAST R-CNN و FASTER R-CNN ميباش د و RFCN ميتوان نام برد و از الگوريتمهاي دسته دوم ميتوان به YOLO ، SSD اشاره كرد. هر كتدام از ايتن الگوريتمهتا داراي دقتت و سرعت متفاوتي ميباش د كه بسته به هدف انجام كار ميتوان يكي از آنها را انتخاب نمود.

6/3/2021 12:00:00 AM

71437

1400/03/15

object detection with deep learning

هوش مصنوعي - يادگيري عميق -تشخيص اشيا - پردازش تصوير

object detection -deep learning -cnn