دوره 5، شماره 2 - ( سال پنجم-پاییز و زمستان 1395 )                   جلد 5 شماره 2 صفحات 34-47 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Regions Proposal Selection in Objects Detection and Recogntion Systems. SCJ. 2016; 5 (2) :34-47
URL: http://scj.kashanu.ac.ir/article-1-353-fa.html
قنبری سرخی علی، حسن پور حمید، فاتح منصور. انتخاب ناحیه‌های کاندید در سیستم‌های تشخیص و شناسایی اشیاء. نشریه علمی ترویجی محاسبات نرم. 1395; 5 (2) :34-47

URL: http://scj.kashanu.ac.ir/article-1-353-fa.html


1- دانشگاه صنعتی شاهرود ، ali.ghanbari289@gmail.com
2- دانشگاه صنعتی شاهرود
چکیده:   (1162 مشاهده)

در تحقیقات انجام شده در سال­های اخیر، بدست آوردن ناحیه­های کاندید به عنوان یک مرحله اساسی و مهم در سیستم­های تشخیص و شناسایی اشیای موجود در تصویر معرفی شده است. بدست آوردن این ناحیه­ها به مانند یک تنگناه بوده و بیشترین بار محاسباتی را در این نوع از سیستم­ها دارد. در همین راستا انتخاب روش مناسب و سریع می­تواند در بهبود عملکرد سیستم­های تشخیص بسیار حائز اهمیت باشد. در این مقاله به مرور کارهای انجام شده در این زمینه پرداخته شده است و چندین روش مشهور و محبوب مورد استفاده در سیستم­های شناسایی قدرتمند معرفی شده است. همچنین در این مقاله به مقایسه‌ و ارزیابی روش‌های مطرح بر روی مجموعه­داده­های استاندارد PASCAL VOC، ImageNet و COCO پرداخته شده است. در روش­های مورد ارزیابی روش ناحیه کاندید گروه­بندی ترکیبی بر پایه چندین مقیاس (MCG) با الگوریتم شناسایی شبکه عصبی کانولوشن بر پایه ناحیه (R-CNN)، بهترین نتایج را داشته است. این روش عملکردی در حدود 57%، 54% و 41% بر روی مجموعه داده­های PASCAL VOC 2007، ImageNet 2013 و COCO 2014 نشان داده است.

متن کامل [PDF 1255 kb]   (392 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۵/۴/۲۰ | پذیرش: ۱۳۹۶/۱/۲۷ | انتشار: ۱۳۹۶/۸/۷

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله محاسبات نرم می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2018 All Rights Reserved | Soft Computing Journal

Designed & Developed by : Yektaweb