14934

تشخيص اشياء در شرايط جوي نامساعد به كمك تطبيق دامنه در خودروي خودران

1403

دكتر عبدالله اميرخاني

دكتر عبدالله اميرخاني

تشخيص اشيا يكي از مولفه‌هاي حياتي در عملكرد خودروهاي خودران است كه تحت تأثير شرايط نامساعد جوي مانند باران، برف، مه و نور كم قرار مي‌گيرد. اين پژوهش با هدف ارزيابي و مقايسه عملكرد روش‌هاي سنتي، يادگيري عميق و به‌كارگيري تكنيك‌هاي تطبيق دامنه در تشخيص اشيا، با تمركز بر بهبود دقت و پايداري سيستم‌ها در مواجهه با اين چالش‌ها انجام شده است. رويكرد تحقيق بر اساس تحليل و بررسي مجموعه داده‌هاي متنوع حاوي شرايط مختلف آب‌وهوايي، به‌ويژه داده‌هاي تصويري و حسگرهاي چندرسانه‌اي است كه امكان سنجش دقيق‌تر كارايي الگوريتم‌ها را فراهم مي‌كند. نتايج به‌دست آمده نشان مي‌دهد كه الگوريتم‌هاي يادگيري عميق مبتني بر شبكه‌هاي عصبي كانولوشني، با استفاده از تكنيك‌هاي تطبيق دامنه براي سازگاري بهتر با تغييرات محيطي، عملكرد بهتري نسبت به روش‌هاي سنتي دارند و مي‌توانند به‌طور قابل توجهي قابليت اطمينان سيستم‌هاي تشخيص اشيا در خودروهاي خودران را ارتقا دهند. اين مطالعه تأكيد مي‌كند كه توسعه و به‌كارگيري تكنيك‌هاي پيشرفته از جمله تطبيق دامنه نقش مهمي در افزايش ايمني و كارايي خودروهاي خودران در شرايط نامساعد جوي ايفا مي‌كند

9/7/2025 12:00:00 AM

87183

1404/06/14

Object Detection in Autonomous Vehicles Using Domain Adaptation in Adverse Weather Conditions

يادگيري عميق , تطبيق دامنه , شرايط نامساعد جوي , تشخيص اشياء

Object detection , autonomous vehicles , deep learning , domain adaptation , adverse weather conditions