یازدهمین کنگره ملی سراسری فناوریهای نوین در حوزه توسعه پایدار ایران (نمایه ISC)
تاریخ برگزاری : 15 اسفند ماه 1400
تشخیص عابر پیاده با سیاست محلی سازی مقیاس آگاه
حجت رئیسی , مسعود کاوسی , فاطمه حسن نژادیان فرد شیرازی , افشین جاویدتاش , محمد لهراسبی
در این مقاله یک رویکرد اختصاصی با صلاحیت متعادل تر در تشخیص هر دو نمونه عابر پیاده در مقیاس نزدیک و دور را در نظر می گیریم. این رویکرد دو بخش عمده زیر را داراست. اول ، یک روش تشخیص فعال پیشنهاد شده است که به عنوان ورودی های چند لایه ویژگی عصبی را بخوبی طرح های اولیه عابر پیاده از تصویر ورودی دریافت نموده ، و پس از اجرای توالی، فعالیت های مربوط به تغییر مختصات را برای ارائه محلی سازی نهایی (به عنوان مثال پیش بینی جعبه محدوده) از موارد عابر پیاده درنظر می گیرد. این اقدامات از یک سیاست محلی سازی ناشی می شود که با سوء استفاده از اطلاعات متنی محلی و نمایش های چند لایه با استفاده از تکنیک های یادگیری تقویت عمیق و تکنیک های شبکه عصبی بازگشتی (RNN ) از داده ها آموخته می شود. ارزیابی تجربی نشان می دهد که عناصر اصلی این روش ، یعنی نمایش های چند لایه ، طرح های اولیه عابر پیاده و سیاست محلی سازی سازی ، در ارائه نتایج نهایی مهم هستند. دوم ، روش پیشنهادی با نمونه های عابر پیاده در یک مقیاس متعادل تر بخوبی عمل می کند ، و به ویژه در مواردی از مقیاس گسترده عملکرد خوبی دارد. از لحاظ تجربی ، در چندین معیار بسیار کاربردی با نتایج روش های معمول دیگر مورد بررسی قرار می گیرد. به عنوان مثال ، MS-CNN 2 در پایگاه داده Caltech بهترین نتیجه را به همراه دارد.
تشخیص عابر پیاده، یادگیری عمیق، سیاست محلی ساز
برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
, 1400 , تشخیص عابر پیاده با سیاست محلی سازی مقیاس آگاه , یازدهمین کنگره ملی سراسری فناوریهای نوین در حوزه توسعه پایدار ایران (نمایه ISC)
تاریخ برگزاری : 15 اسفند ماه 1400