گروه هوش مصنوعی و رباتیک، دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایران
چکیده
یادگیری عمیق در صورت استفاده از مجموعه داده آموزشی متناسب میتواند دقت قابل توجهی را نتیجه دهد. با این وجود، آمادهسازی مجموعه داده بزرگ با حاشیهنویسی دقیق فرآیندی پرهزینه است. به همین دلیل، الگوریتمهای یادگیری با نظارت ضعیف در سالهای اخیر مورد توجه بسیاری از پژوهشگران قرار گرفتهاند. در رویکرد یادگیری با نظارت ضعیف، مجموعه داده بزرگ اما با حاشیهنویسی ساده جمعآوری میشود تا هم نیازمندی شبکههای عمیق به دادههای زیاد برآورده شود و هم هزینه حاشیهنویسی زیاد نباشد. در این مقاله، یک الگوریتم یادگیری با نظارت ضعیف برای شناسایی شماره پلاک خودرو با استفاده از شبکههای همگشتی عمیق پیشنهاد میشود. در فاز آموزش، تنها کاراکترهایی که در تصاویر پلاک وجود دارند مشخص میشود و الگوریتم پیشنهادی قادر است علاوه بر شناسایی وجود هر کاراکتر، مختصات آنها را نیز آشکارسازی نماید. بنابراین، در فاز آزمون شماره پلاک به صورت کامل قابل شناسایی است. به منظور ارزیابی عملکرد الگوریتم پیشنهادی، یک پایگاه داده شامل 1397 تصویر پلاک ایرانی جمعآوری شده است. نتایج آزمایشها نشان میدهد 95.6% از پلاکها و 99.1% از کاراکترها به درستی شناسایی شدهاند.
)