چکيده
امروزه سيستم‌هاي نظارتي، در سرتاسر جهان، به‌طور پيوسته در حال جمع‌آوري اطلاعات هستند؛ از طرفي روزانه هزاران داده‌ي تصويري و ويديويي در فضاي مجازي به‌اشتراك گذاشته مي‌شوند. استفاده از نيروي انساني براي تحليل اين ويديوها كار زمان‌بر و دشواري است. تشخيص فعاليت انسان در بازيابي و تحليل اين ويديوها، تعامل انسان و كامپيوتر، سرگرمي‌ها و ... كاربرد دارد. اين عمل، در شرايط واقعي به‌علت تغييرات روشنايي، تنوع در نوع انجام فعاليت و ظاهر افراد مختلف و ... سخت است، بنابراين به يك مدل مقاوم براي مقابله با اين چالش‌ها نياز است. براي طبقه‌بندي فعاليت در ويديو ابتدا ويژگي‌ها به يكي از روش‌هاي دستي يا يادگيري استخراج مي‌شوند. روش‌هاي يادگيري عميق با‌توجه به استخراج خودكار و بهينه ويژگي‌ها و خصوصيات ديگر، نسبت‌به روش‌هاي دستي برتري دارند.
در اين سمينار، ابتدا در مورد مراحل تشخيص فعاليت انسان و روش‌هاي استخراج ويژگي توضيح خواهيم داد؛ سپس با‌توجه به برتري روش‌هاي يادگيري‌عميق نسبت‌به روش‌هاي دستي، به بررسي شبكه‌هاي عصبي عميق پركابرد در اين زمينه و روش‌هاي استفاده از آن‌ها خواهيم پرداخت.
واژه‌هاي كليدي: تشخيص فعاليت انسان، يادگيري‌عميق، شبكه‌هاي عصبي عميق.
