11470

بررسي روش‌هاي مبتني بر يادگيري عميق براي رديابي اشياء

دكتر محمدرضا محمدي

هدف از مسئله رديابي اشياء، تشخيص ماهيت‌ها و اشياء حاضر در يك دنباله از تصاوير و رديابي مكان آن‌ها در طول دنباله است. به مشابه بسياري از مسائل ديگر در زمينه بينايي ماشين، پيشرفت‌هاي اخير در يادگيري عميق، به‌ويژه توسعه شبكه‌هاي عصبي كانولوشني، منجر به پيدايش راه‌حل‌ها و الگوريتم‌هاي متعدد و قدرتمندي براي حل اين مسئله شده است. در پژوهش پيش رو، هدف ما شناسايي و مقايسه برجسته‌ترين روش‌هاي معرفي‌شده در سال‌هاي اخير است كه از مدل‌هاي مبتني بر يادگيري عميق استفاده كرده‌اند. بدين منظور بعد از معرفي مجموعه‌داده‌هاي رايج براي اين مسئله و معيار‌هاي ارزيابي متداول آن، چارچوبي كلي براي روش‌هاي در دست معرفي كرده و بعد از آن، با بررسي و تحليل تفاوت‌هاي كليدي اين روش‌ها سعي در مقايسه آگاهانه آن‌ها خواهيم داشت. فصل نهايي اين پژوهش براي جمع‌بندي نقاط قوت و ضعف يافته‌شده در خانواده‌هاي شناسايي‌شده از مدل‌هاي رديابي اشياء را مرور كرده و درباره دو جنبه تحقيقاتي مهم براي كارهاي آتي گفت‌و‌گو مي‌كند.

11/23/2022 12:00:00 AM

77034

1401/09/15

A Survey on Deep Learning-based Approaches for Object Tracking

بينايي ماشين , رديابي اشياء , يادگيري عميق

Computer Vision , Object Tracking , Deep Learning