12789

بررسي روش‌هاي تطبيق تصوير با نمونه‌ي كم

1401

دكتر محمدرضا محمدي

تطبيق كليشه مسئله‌اي پايه‌اي و اساسي در بينايي كامپيوتر است كه زيربناي بسياري از مسائل ديگر مانند تشخيص و رديابي اشيا، شناسايي و راستي‌آزمايي اشيا، ثبت تصوير و غيره است. در تطبيق كليشه به دنبال يافتن ناحيه‌اي از تصوير جست‌وجو هستيم كه تصوير كليشه درون آن ناحيه است. راهكارهاي سنتي اين مسئله تا زماني كه تغييرات ميان تصوير جست‌وجو و كليشه ساده باشند نتايج خوبي دارند. اما به دليل وجود تغييرات احتمالي زياد ميان تصوير جست‌وجو و كليشه (مانند تغييرات در روشنايي، زاويهٔ دوربين، مقياس و...) اين راهكارها در عمل زياد مورداستفاده قرار نمي‌گيرند. به همين دليل براي حل اين مسئله، راهكارهاي مبتني بر يادگيري عميق و شبكه‌هاي عصبي پيچشي موردتوجه خوبي قرار گرفته‌اند تا با استخراج ويژگي‌هاي مقاوم در برابر تغييرات مذكور از تصاوير جست‌وجو و كليشه، دقت راه‌حل‌ها را براي اين مسئله افزايش دهند. همچنين در سال‌هاي اخير با رشد روزافزون كاربرد شبكه‌هاي عصبي مبدل در حوزهٔ بينايي كامپيوتر شاهد ورود و گسترش اين معماري به مسئلهٔ تطبيق كليشه نيز بوده‌ايم. اين موضوع، موجب تعريف لايه‌ها و توابع هدف جديد براي مسئلهٔ تطبيق كليشه گشته است كه در نتيجهٔ آن، روش‌هايي با عملكرد قابل توجه ايجاد شده‌اند. باوجوداين پيشرفت‌ها در زمينه‌ٔ تطبيق كليشه اما همچنان مسائل باز زيادي در اين حوزه وجود دارند. استفادهٔ بهينه از ويژگي‌هاي استخراج شده توسط مبدل‌ها، توسعهٔ الگوريتم‌هاي تطبيق كليشه براي كار با تعداد كم نمونهٔ كليشه و همچنين بهينه‌سازي الگوريتم‌ها از نظر زماني براي حل چالش‌هاي موجود، جاي كار زيادي براي تحقيقات آينده باز مي‌كند.

11/15/2023 12:00:00 AM

81102

1402/09/08

A survey of few shot image matching techniques

تطبيق كليشه , تطبيق ويژگي‌هاي محلي , رديابي شي بصري , شبكه‌هاي عصبي پيچشي , شبكه‌هاي عصبي سيامي

Template Matching , Local Features Matching , Visual Object Tracking , Convolutional Neural Networks , Siamese Neural Networks