این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۱۲، شماره ۱، صفحات ۴۷-۵۹
عنوان فارسی داده افزایی با استفاده از شبکه‌های مولد تخاصمی جهت بهبود باز تشخیص افراد
چکیده فارسی مقاله در سال‌های اخیر، پژوهش‌ها در زمینه بازتشخیص افراد به‌طور پیوسته پیشرفت کرده‌اند. در این راستا، شبکه‌های عصبی متخاصم به موفقیت چشمگیری دست یافته‌اند و به عنوان یک رویکرد برجسته در این حوزه شناخته می‌شوند. در این مقاله، با بررسی کاربرد انواع شبکه‌های متخاصم در بازتشخیص افراد، از ترکیب شبکه ATNet و مدل Pix2Pix برای داده‌افزایی استفاده شده است. مدل Pix2Pix که در تبدیل تصویر به تصویر در زمینه‌های مختلف موفقیت‌آمیز بوده، از الگوریتم PatchGAN به عنوان متمایزکننده و U-Net به عنوان تولیدکننده بهره می‌گیرد. روش پیشنهادی برای داده‌افزایی مبتنی بر وجود تصاویر فرد مورد نظر از چهار جهت (روبه‌رو، پشت، سمت چپ و راست) است. پس از دسته‌بندی تصاویر در مجموعه‌داده‌های Market-1501 و CUHK03، تصاویر نماهای ناموجود با استفاده از شبکه ATNet تولید شده‌اند. مقایسه های انجام‌شده نشان‌دهنده بهبود عملکرد روش‌های پیشرو در بازتشخیص افراد با داده افزایی پیشنهادی در این مقاله است.
کلیدواژه‌های فارسی مقاله بازتشخیص افراد،داده افزایی،شبکه عصبی تخاصمی،سیستم Pix2Pix،شبکه ATNet و مدل U-Net،
عنوان انگلیسی Enhancing Person Re-Identification using GAN-Based Data Augmentation
چکیده انگلیسی مقاله In recent years, research in the field of person re-identification has made consistent progress. In this context, adversarial neural networks have achieved remarkable success and are recognized as a prominent approach in this domain. This paper explores the application of various adversarial networks in person re-identification, utilizing a combination of the ATNet network and the Pix2Pix model for data augmentation. The Pix2Pix model, which has been successful in image-to-image translation across various fields, employs the PatchGAN algorithm as the discriminator and U-Net as the generator. The proposed data augmentation method is based on the availability of images of the target individual from four perspectives (front, back, left, and right). After categorizing the images in the Market-1501 and CUHK03 datasets, images of missing viewpoints were generated using the ATNet network. The results of simulations demonstrate that, using the proposed data augmentation method, the performance of person re-identification improves compared to the state-of-the-art methods.
کلیدواژه‌های انگلیسی مقاله بازتشخیص افراد,داده افزایی,شبکه عصبی تخاصمی,سیستم Pix2Pix,شبکه ATNet و مدل U-Net
نویسندگان مقاله هادی کاوه |
دانشجوی دکترای رشته برق - مخابرات، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

محمدشهرام معین |
عضو هیات علمی پژوهشگاه ارتباطات و فناوری اطلاعات

فربد رزازی |
دانشکده مهندسی برق و کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

نشانی اینترنتی https://jmvip.sinaweb.net/article_222537_9ef0088721c70779778402c4f48f1b9d.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