1
دانشجوی دکتری مهندسی برق، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
2
گروه مهندسی برق، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
3
گروه مهندسی مخابرات، دانشگاه صنعتی قوچان
چکیده
بازشناسی صحنه های پویا یکی از زمینه های تحقیقاتی اساسی در حوزه بینایی ماشین بشمار می رود. در این مقاله با استفاده از شبکه های عصبی پیچشی (CNN)، روشی مؤثر جهت بازشناسی صحنه های پویا ارائه می شود. در روش پیشنهادی، همبستگی بین نقشه های ویژگی حاصل از لایه های مختلف یک شبکه عصبی به عنوان بردارهای ویژگی حاوی اطلاعات ویدئو، مورد استفاده قرار گرفته است. در این روش، ابتدا N فریم از ویدئو انتخاب شده و به کمک یک شبکه عصبی پیچشی، نقشه های ویژگی مربوط به فریم های منتخب، استخراج شده و برای هر فریم، یک ماتریس گرام محاسبه میشود که بیانگر ویژگی های مکانی فریم های ویدئو است. سپس با قطعه بندی زمانی فریم های منتخب و میانگین گیری بر روی ماتریس های گرام این فریم ها، اطلاعات زمانی نیز لحاظ می شود. با انجام عملیات کدینگ ویژگیها و سپس pooling، برای هر ویدئو یک بردار ویژگی به منظور طبقه بندی ویدئو حاصل می شود. نتایج شبیه سازی ها بر روی سه مجموعه داده مطرح در این زمینه نشان میدهد که روش پیشنهادی از دقت بازشناسی بهتری در مقایسه با سایر روش های مطرح در این زمینه تحقیقاتی برخوردار بوده و دقت بازشناسی را تا 9% برای مجموعه داده Maryland و 3% برای مجموعه داده YUP++ بهبود بخشیده است.
حیدری, صفورا, ابراهیمی مقدم, عباس, خادمی, مرتضی, & هادی زاده, هادی. (1400). افزایش دقت بازشناسی صحنههای طبیعی پویا با استفاده از همبستگی بین نقشههای ویژگی در شبکههای عصبی پیچشی. مجله بینایی ماشین و پردازش تصویر, 8(2), 43-55.
MLA
صفورا حیدری; عباس ابراهیمی مقدم; مرتضی خادمی; هادی هادی زاده. "افزایش دقت بازشناسی صحنههای طبیعی پویا با استفاده از همبستگی بین نقشههای ویژگی در شبکههای عصبی پیچشی". مجله بینایی ماشین و پردازش تصویر, 8, 2, 1400, 43-55.
HARVARD
حیدری, صفورا, ابراهیمی مقدم, عباس, خادمی, مرتضی, هادی زاده, هادی. (1400). 'افزایش دقت بازشناسی صحنههای طبیعی پویا با استفاده از همبستگی بین نقشههای ویژگی در شبکههای عصبی پیچشی', مجله بینایی ماشین و پردازش تصویر, 8(2), pp. 43-55.
VANCOUVER
حیدری, صفورا, ابراهیمی مقدم, عباس, خادمی, مرتضی, هادی زاده, هادی. افزایش دقت بازشناسی صحنههای طبیعی پویا با استفاده از همبستگی بین نقشههای ویژگی در شبکههای عصبی پیچشی. مجله بینایی ماشین و پردازش تصویر, 1400; 8(2): 43-55.