بازگشت به بانک اطلاعات پایان نامه ها

شماره دانشجویی : 930276674
نام و نام خانوادگي : محمدرضا معرفتی
عنوان پایان نامه : آشکارسازی عابران پیاده درتصاویر بااستفاده ازالگوریتم شبکه‌های عصبی پیچشی عمیق
دانشكده : دانشکده فنی و مهندسی
گروه تحصيلي : مهندسي کامپيوتر
رشته/گرایش تحصيلي : نرم افزار
مقطع تحصيلي : کارشناسی ارشد
استاد راهنما (عضو هیات علمی مرکز) : فرداد فرخی ,
استاد مشاور (عضو هیات علمی مرکز) : کاوه کنگرلو ,
چكيده : تشخیص عابر پیاده یکی از مهم‌ترین چالش‌های پردازش تصویر و آشکارسازی اشیاء است که در سیستم‌ها نظارتی و اتومبیل‌های بدون راننده کاربرد دارد و موضوع بسیاری از پژوهش‌ها در دهه اخیر بوده که حاصل آن، پیشرفت قابل ملاحظه‌ای در زمینه آشکارسازی بوده است. اولین روش‌های آشکارسازی عابر پیاده از سه گام پیش پردازش، استخراج ویژگی و دسته‌بندی تشکیل شده بودند ولی با گسترش استفاده از واحد پردازش‌گر‌ گرافیکی و دردسترس و قابل خرید بودن آن‌ها، این امکان برای پژوهش‌گرها فراهم شد که به توسعه شبکه‌های عصبی عمیق پیچشی اولیه، بپردازند. در این پژوهش، روشی مبتنی بر شبکه عصبی عمیق پیچشی پیشنهاد شده‌است تا ویژگی‌های تصویر عابرپیاده استخراج و تصویرها را به دو کلاس عابرپیاده و غیر عابر تقسیم کند‌. در روش پیشنهادی، جهت استفاده از حداکثر ظرفیت شبکه‌های پیچشی عمیق، از مجموعه‌داده‌ای عابران پیاده دانشگاه فنآوری کالیفرنیا، شامل 10 ساعت ویدئو و 250،000 قالب تصویر، جهت آموزش و آزمون شبکه، استفاده شده. جهت ارزیابی، الگوریتم پیشنهادی، با شبکه‌های پیچشی عمیق شناخته شده‌ای مانند گوگل‌نت، الکس‌نت، وی-جی-جی و روش‌های مشابه آن‌ها مقایسه شده تا بهترین معماری از نظر زمان محاسبه و دقت، برای آشکارسازی عابران پیاده در تصاویر، طراحی شود. شبکه پیشنهادی، دارای پنج لایه پیچش و سه لایه کامل متصل عصبی و لایه سافت‌ماکس جهت دسته‌بندی است. جهت عمومی‌سازی شبکه، روش دراپ-اوت بر سه لایه آخر اعمال شده و خروجی هر لایه هنجار شده است. روش پیشنهادی، در مجموعه‌داده‌ای دانشگاه فنآوری کالیفرنیا، دارای دقت 97 درصد و صحت 98 درصد در آشکارسازی عابران پیاده است.
كلمات كليدي : شبکه پیچشی عمیق، آشکارسازی عابر پیاده، یادگیری عمیق
تاريخ دفاع : 1396-10-05