این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۵، شماره ۱، صفحات ۴۱-۵۴
عنوان فارسی شناسایی نوع و مدل وسیله نقلیه با استفاده از مجموعه بخش‌های متمایز کننده۲
چکیده فارسی مقاله طبقه بندی دقیق اشیاء (Fine-Grained Recognition) چالشی است که جامعه بینایی ماشین در حال حاضر با آن روبه رو شده است. در این نوع طبقه بندی گروه کلی شیء مشخص بوده و هدف تعیین زیرگروه دقیق آن است؛ شناسایی نوع و مدل وسیله نقلیه (VMMR) نیز در این حوزه قرار می گیرد. این مسئله به دلیل وجود تعداد کلاس-های زیاد، تفاوت درون کلاسی بسیار و تفاوت بین کلاسی کم از مسائل طبقه بندی دشوار به شمار می رود. در این مقاله روشی مبتنی بر بخش برای شناسایی نوع و مدل خودرو پیشنهاد شده است. این روش برای طبقه بندی کلاس-های مختلف خودرو، ابتدا بخش های متمایز کننده هر یک را به صورت خودکار می یابد. سپس با استخراج ویژگی از این بخش ها و رابطه هندسی بین آن ها، یک مدل می آموزد. وزن بخش های مختلف هر مدل به صورت پویا و با استفاده از مجموعه داده های آموزشی یاد گرفته می شود. سیستم پیشنهادی با ترکیب این مدل ها به شناسایی کلاس خودرو می پردازد. برای آزمایش سیستم پیشنهادی و به دلیل عدم وجود مجموعه داده به اشتراک گذاشته شده، یک مجموعه داده با بیش از 5000 خودرو از 28 کلاس مختلف تهیه شده و به صورت کامل علامت گذاری گشته است. نتیجه آزمایشات انجام شده بر روی این تصاویر که دارای تغییرات روشنایی زیاد و تغییرات زاویه اندک هستند، نشان از دقت بالای روش پیشنهادی دارد.​
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Using Discriminative Parts for Vehicle Make and Model Recognition 2
چکیده انگلیسی مقاله In find-grained recognition, the main category of object is known and the goal is to determine the subcategory or find-grained category. Vehicle make and model recognition (VMMR) is a find-grained classification. It's a hard classification problem, due to the large number of classes, substantial inner-class and small inter-class distance. In this paper, a novel method has been proposed for VMMR. This method finds discriminative parts of each class of vehicles automatically and then learns a model for each class using features extracted from these parts and spatial relationship between them. The parts weights of each model are tuned using training dataset.  Putting this individual models together, our proposed system can classify vehicles make and model. For testing the system and because there wasn't any publicly available dataset, a new dataset including more than 5000 vehicles of 28 different make and models has been collected. The experimental results performed on this dataset with different lighting conditions show the high accuracy of our system.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محسن بیگلری | Mohsen Biglari


علی سلیمانی | Ali Soleimani


حمید حسن پور | Hamid Hassanpour


نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-1057-2&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-643342.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش تصویر
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات