13326

تشخيص اشياء در صحنه‌هاي مه‌آلود با استفاده از يادگيري عميق

1400

دكتر ستار ميرزاكوچكي

اگرچه تشخيص اشياء به كانون تحقيقاتي تبديل شده است، تحقيقات كمي در مورد تشخيص اشياء در صحنه‌هاي مه‌آلود وجود دارد. روش‌هاي تشخيص اشياء موجود در صحنه‌هاي مه‌آلود را مي‌توان به طور تقريبي به سه دسته تقسيم كرد. (1) روش‌هايي كه مه‌زدايي تصوير و تشخيص اشياء را به صورت متوالي انجام مي‌دهند. جزئيات اين روش به اين صورت است كه ابتدا روش‌هاي مه‌زدايي تصوير براي پيش‌پردازش تصاوير مه‌آلود مورد استفاده قرار مي‌گيرند، و سپس تصاوير پردازش‌شده از طريق شبكه تشخيص اشياء براي به دست آوردن نتايج تشخيص استفاده مي‌شوند. (2) روش‌هاي مبتني بر يادگيري چندوظيفه‌اي. اين روش‌ها از يادگيري چندوظيفه‌اي براي آموزش مه‌زدايي تصوير و تشخيص اشياء بصورت همزمان براي بهبود دقت تشخيص در صحنه‌هاي مه‌آلود استفاده مي‌كنند. (3) روش‌هاي مبتني بر تطبيق دامنه. در صورت عدم وجود برچسب در شرايط مه‌آلود، اين روش‌ها از برچسب در شرايط آب و هوايي خوب براي تشخيص اجسام در شرايط مه‌آلود از طريق تطبيق دامنه استفاده مي‌كنند. با وجود پيشرفت‌هايي كه صورت گرفته، رويكردهاي فوق‌الذكر براي تشخيص اشياء در صحنه‌هاي مه‌آلود هنوز هم داراي اشكالاتي هستند. به طور خاص، روش‌هايي كه مه‌زدايي تصوير و تشخيص اشياء را به صورت متوالي انجام مي‌دهند، از مصنوعات و اعوجاج رنگي كه توسط روش‌هاي مه‌زدايي تصوير ايجاد شده‌اند، رنج مي‌برند. روش‌هاي مبتني بر يادگيري چندوظيفه‌اي براي متعادل كردن وزن‌هاي مه‌زدايي تصوير و تشخيص اشياء دشوار هستند. و روش‌هاي مبتني بر تطبيق دامنه بر همسويي ويژگي‌هاي دو توزيع تمركز مي‌كنند و اطلاعات پنهاني كه مي‌توان در فرآيند بازسازي تصوير مبتني بر آب و هوا به دست آورد معمولا ناديده گرفته مي‌شوند.

5/29/2024 12:00:00 AM

82745

1403/03/16

Object Detection in Foggy Scenes using Deep Learning

Object Detection , Bounding Box , Image Dehazing , Domain Adaptation , Multi-task learning