1
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد فومن و شفت، فومن، ایران
2
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد فومن و شفت، فومن، ایران
چکیده
دوربین‌های نظارت تصویری می‌توانند به عنوان یک ابزار قدرتمند برای خودکار‌سازی تشخیص موقعیت‌های مختلف و کمک در جهت تصمیم‌گیری‌های مناسب به منظور افزایش سطح امنیتی و حفاظتی بکارگرفته شوند..یکی از مهمترین کاربردهای سیستم‌های نظارت تصویری، تشخیص اشیاء رها شده مانند چمدان‌های رها شده برای جلوگیری از بمب‌گذاری‌های خطرناک و سایر موارد است. در این راستا، در این مقاله یک مدل دومرحله‌ای مبتنی بر یادگیری عمیق جهت تشخیص اشیاء رها شده معرفی شده است. هدف مرحله اول تشخیص همه اشیاء ساکن در صحنه و مرحله دوم دسته‌یندی اشیاء رها شده است. در مرحله اول از مدل مخلوط گاوسی برای مدل‌سازی پس‌زمینه و تشخیص اجسام ساکن استفاده می‌شود. در مرحله دوم نیز برای مشخص کردن اشیاء رها شده از میان کلیه تصاویر استخراج شده از ترکیب شبکه عصبی کانولوشنی و الگوریتم آدابوست استفاده می‌شود. بر اساس نتایج ارزیابی‌ها مدل پیشنهادی از دقت بالاتری در تشخیص اشیاء رها شده نسبت به روش‌های پایه برخوردار است.
هنرمند حقیقی چمثقالی, محدثه, & معتمد, سارا. (1402). تشخیص اشیای رها شده با استفاده از شبکه عصبی کانولوشنی بهبود یافته. مجله بینایی ماشین و پردازش تصویر, 10(3), 93-105.
MLA
محدثه هنرمند حقیقی چمثقالی; سارا معتمد. "تشخیص اشیای رها شده با استفاده از شبکه عصبی کانولوشنی بهبود یافته". مجله بینایی ماشین و پردازش تصویر, 10, 3, 1402, 93-105.
HARVARD
هنرمند حقیقی چمثقالی, محدثه, معتمد, سارا. (1402). 'تشخیص اشیای رها شده با استفاده از شبکه عصبی کانولوشنی بهبود یافته', مجله بینایی ماشین و پردازش تصویر, 10(3), pp. 93-105.
VANCOUVER
هنرمند حقیقی چمثقالی, محدثه, معتمد, سارا. تشخیص اشیای رها شده با استفاده از شبکه عصبی کانولوشنی بهبود یافته. مجله بینایی ماشین و پردازش تصویر, 1402; 10(3): 93-105.
)