دوره 5، شماره 2 - ( 6-1396 )                   جلد 5 شماره 2 صفحات 34-47 | برگشت به فهرست نسخه ها

XML English Abstract Print


1- دانشجو دکترا دانشگاه صنعتی شاهرود، استان سمنان- شهرستان شاهرود- دانشگاه صنعتی شاهرود- دانشکده مهندسی کامپیوتر ، ali.ghanbari289@gmail.com
2- استاد دانشگاه صنعتی شاهرود، استان سمنان- شهرستان شاهرود- دانشگاه صنعتی شاهرود- دانشکده مهندسی کامپیوتر
3- استادیار دانشگاه صنعتی شاهرود، استان سمنان- شهرستان شاهرود- دانشگاه صنعتی شاهرود- دانشکده مهندسی کامپیوتر
چکیده:   (870 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]   (267 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۵/۴/۲۰ | پذیرش: ۱۳۹۶/۱/۲۷ | انتشار: ۱۳۹۶/۸/۷