7010

شناسايي موضوع در دستگاه هاي متحرك با استفاده از شبكه هاي يادگيري عميق كانولوشني

كارشناسي

مهندسي برق - الكترونيك

1399

دكتر شهريار برادران شكوهي

1399/09/17

مهندسي برق

يكي از مهمترين مشكلات موجود در حوزه خودروهاي خودران، تشخيص موثر، به موقع و دقيق عابران پياده است. از طرفي وجود شرايط مختلف محيطي نظير: شرايط آب و هوايي، روشنايي متفاوت محيط در ساعات مختلف شبانه روز، تراكم و شلوغي خيابان ها و... از كارايي سيستم هاي تشخيصي مي‌كاهد. در اين پايان‌نامه به ارائه، بررسي و پياده سازي شبكه‌اي بر پايه معماري Yolov4 ،كه در حال حاضر جزو جديدترين متدهاي يك مرحله اي شناسايي موضوع و پردازش تصوير مي‌باشد، در تشخيص عابرپياده تحت دو شرايط مختلف آب و هوايي پرداخته شده است. براي اين كار از دو ديتاست استفاده شده است. يكي از ديتاست هاي استفاده شده (Inria) مربوط به عابرين پياده در شرايط روشنايي معمول و ديتاست ديگر (Hazy Pedestrian) شامل تصاوير عابران پياده در هواي مه آلود مي‌باشد. استفاده از شبكه پايه CSPDarknet53 و شبكه خروجي Yolov3 در اين بررسي، نشان مي‌دهد اين مدل با ارائه دقتي بالاتر از 95% در هر دو ديتاست يكي از بهترين گزينه ها جهت استفاده در موضوع شناسايي عابرين پياده مي‌باشد. واژه‌هاي كليدي: شبكه هاي عصبي كانولوشني ؛ شناسايي عابر پياده؛ خودروخودران؛ سيستم هاي كمك راننده

بينايي ماشين , شبك هاي عصبي , شناسايي عابر پياده , خودروخودران , سيستم هاي كمك راننده