این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۴، شماره ۱، صفحات ۲۹-۳۸
عنوان فارسی شناسایی نوع و مدل وسیله نقلیه با استخراج خودکار بخش‌های مشترک
چکیده فارسی مقاله پس از موضوعاتی چون تشخیص مکان خودرو و شناسایی گروه کلی خودرو، شناسایی نوع و مدل دقیق وسیله نقلیه (VMMR) در دهه‌ی اخیر در مرکز توجه محققین قرار گرفته است. این مسئله به دلیل وجود تعداد کلاس‌های زیاد و شباهت بسیار زیاد این کلاس‌ها به یکدیگر، از مسائل طبقه‌بندی دشوار به حساب می‌آید. در این مقاله، روشی برای شناسایی نوع و مدل وسیله نقلیه پیشنهاد شده است.روش پیشنهادی شامل دو بخش است. ارائه‌ی رویکردی جدید برای شناسایی نوع و مدل وسیله نقلیه و ارائه‌ی روشی برای پیاده‌سازی این رویکرد. رویکرد پیشنهادی با تمرکز بر بخش‌های تشکیل دهنده‌ی خودرو از قبیل چراغ‌ها، جلوپنجره و نشان‌واره به طبقه‌بندی کلاس‌های مختلف وسیله نقلیه می‌پردازد. برای پیاده سازی این رویکرد، یک مدل مبتنی بر بخش را با استفاده از الگوریتم ماشین بردار پشتیبان مخفی (Latent SVM) آموزش داده ایم. این مدل قادر به استخراج پنج بخش برای هر خودرو است. توصیفگر هیستوگرام گرادیان‌های جهت‌دار برای استخراج ویژگی و ماشین بردار پشتیبان برای طبقه‌بندی به کار گرفته شده‌اند. برای آزمایش رویکرد مورد اشاره، مجموعه داده‌ای متشکل از 720 تصویر از نمای جلو و پشت 21 کلاس مختلف از خودروها جمع‌آوری شده و تمامی بخش‌های آن‌ها هم به صورت دستی و هم به صورت خودکار علامت‌گذاری و استخراج گشته‌اند. نتایج آزمایشات انجام شده بر روی این تصاویر، در درجه اول، برتری رویکرد مبتنی بر بخش را نسبت به رویکردهای پیشین نشان می‌دهد؛ و در درجه دوم، نزدیکی دقت روش علامت‌گذاری خودکار به روش دستی را اثبات می‌کند. روش پیشنهادی موفق به کسب دقت 100% بر روی نمای جلو و پشت شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Fined-Grained Vehicle Classification using Similar Auto Extracted Parts
چکیده انگلیسی مقاله After vehicle detection and vehicle type recognition, it is vehicle make and model recognition (VMMR) that has attracted researchers attention in the last decade. This problem is known as a hard classification problem due to the large number of classes and small inner-class distance. This paper is proposed a new method for recognition of make and model of vehicles. The proposed approach has two parts. A new part-based approach for vehicle make and model recognition and a new method for auto extraction of parts. This approach concentrates on meaningful parts of vehicle like lights, grilles and logo for classification of different classes. The Histogram of Oriented Gradients (HOG) and Support Vector Machine (SVM) have been used for feature extraction and classification tasks respectively. For evaluation purposes, a dataset including 720 images from frontal and rear view of21 different classes of vehicles have been prepared and fully annotated based on their parts. The experimental results showed the effectiveness of the part-based approach in compare to the traditional approaches and the high accuracy gained from auto extracted parts. The proposed method achieved 100% accuracy on both frontal and rear view.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محسن بیگلری |
دانشجوی دکتری، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شاهرود
سازمان اصلی تایید شده: دانشگاه صنعتی شاهرود (Shahrood university of technology)

علی سلیمانی |
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شاهرود
سازمان اصلی تایید شده: دانشگاه صنعتی شاهرود (Shahrood university of technology)

حمید حسن پور |
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شاهرود
سازمان اصلی تایید شده: دانشگاه صنعتی شاهرود (Shahrood university of technology)

نشانی اینترنتی http://jmvip.sinaweb.net/article_39605_c00c2ae877a0cecef8ab7de3c7e063ab.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1041/article-1041-416277.pdf
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