این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۱۰، شماره ۳، صفحات ۷۹-۹۲
عنوان فارسی شناسایی و ردیابی همزمان اشیا با استفاده از یادگیری عمیق
چکیده فارسی مقاله تشخیص اشیا، ردیابی اشیا و پیش‌بینی سری‌های زمانی، از چالش‌های اساسی در بینایی ماشین است. یادگیری عمیق، گام‌های بسیار بزرگی در حل این چالش‌ها برداشته‌است. اما برای بسیاری از مشکلات، راه‌حل‌های رضایت‌بخشی که در واقعیت، کاربرد-های مفیدی داشته‌باشد و بتوان از آن استفاده‌کرد، هنوز پیدا نشده‌است. در این مقاله، با دو چالش ردیابی و شناسایی اشیا روبرو هستیم که برای حل این مشکل، پیدا‌کردن لوله‌های محدود‌کننده برای حرکت اشیا در حوزه مکان-‌زمان پیشنهاد شده‌است. معمولاً ردیابی اشیا و تشخیص اشیا، بصورت دو‌ فرایند جداگانه مورد بررسی قرار می‌گیرد که تکامل و پیشرفت زیادی از طریق یادگیری عمیق برای تصاویردوبعدی، حاصل شده‌است. ردیابی اشیا به‌وسیله تشخیص اشیا، مستلزم آن است که جسم در اولین فریم و در تمام فریم‌های بعدی، با موفقیت شناسایی شود و بدین‌گونه، با مرتبط‌سازی نتایج حاصل شده از تشخیص اشیا، عملیات ردیابی را توسط خط لوله TPN انجام دادیم. عملیات شناسایی اشیا و ردیابی اشیا از طریق یک شبکه واحد، همچنان چالش بر‌انگیز و قابل بحث است. در این مقاله، یک ساختار شبکه‌‌ای پیشنهاد شده‌است که توانست یک شی متحرک و درحال‌ حرکت را که محصور شده‌بود، با‌ ‌استفاده ازR-CNN Faster شناسایی کند. در این شبکه، TPN جایگزین RPN شده‌است و همین موضوع، باعث شناسایی بهتر اشیا و بهبود ردیابی شد. در این روش، با استفاده از عملیات شناسایی اشیا به ردیابی اشیا پرداخته شده‌است.
کلیدواژه‌های فارسی مقاله شناسایی و ردیابی همزمان اشیا، شناسایی اشیا، ردیابی اشیا، تشخیص اشیا،
عنوان انگلیسی Simultaneous identification and tracking of objects using deep learning
چکیده انگلیسی مقاله Identifying objects, tracking objects and predicting time series are among the basic challenges in machine vision. Deep learning has taken great steps in solving these challenges; But for many problems, satisfactory solutions that have useful applications in reality and can be used have not yet been found. In this issue, we are facing two challenges of tracking and identifying objects, and to solve this problem, it is proposed to find limiting tubes for the movement of objects in the space-time domain. Usually, object tracking and object detection are considered as two separate processes, which have been greatly improved through deep learning for 2D images. Object tracking by object detection requires that the object is successfully detected in the first frame and in all subsequent frames, and thus, by associating the results obtained from object detection, we performed the tracking operation by the TPN pipeline. The operation of identifying objects and tracking objects through a single network is still challenging and debatable. In this paper, a network structure is proposed that was able to identify a moving and moving object that was enclosed, using R-CNN Faster. In this network, we replaced TPN with RPN, and this led to better object identification and improved tracking. In this method, we tracked objects using object detection operations.
کلیدواژه‌های انگلیسی مقاله شناسایی و ردیابی همزمان اشیا, شناسایی اشیا, ردیابی اشیا, تشخیص اشیا
نویسندگان مقاله رمضان هاونگی |
دانشجوی دکتری الکترونیک، دانشکده برق و کامپیوتر، دانشگاه بیرجند

سید حمید خاتمی |
گروه مهندسی الکترونیک، دانشکده برق و کامپیوتر، دانشگاه بیرجند

نشانی اینترنتی https://jmvip.sinaweb.net/article_173177_6e5dbc374f669f775a0628de12381c44.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات