این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
محاسبات نرم، جلد ۵، شماره ۲، صفحات ۱۸-۲۷
عنوان فارسی مقایسه روش‌های شناسایی نوع و مدل وسیله نقلیه با رویکرد کلی‌نگر و جزئی‌نگر و ارائه یک رویکرد جدید
چکیده فارسی مقاله پس از موضوعاتی چون تشخیص مکان خودرو و شناسایی گروه کلی خودرو، شناسایی نوع و مدل دقیق وسیله نقلیه (VMMR) در دهه‌ی اخیر در مرکز توجه محققین قرار گرفته است. این مسئله به دلیل وجود تعداد کلاس‌های زیاد و نزدیکی بسیار زیاد این کلاس‌ها به یکدیگر، از مسائل طبقه‌بندی دشوار به حساب می‌آید. در این مقاله به مقایسه رویکرد کلی‌نگر و جزئی‌نگر پرداخته و روش‌های ارائه شده در هر دسته، به طور کامل مرور گشته‌اند. علاوه‌براین، رویکردی در دسته‌ی روش‌های جزئی‌نگر برای شناسایی نوع و مدل وسیله نقلیه پیشنهاد شده است که سعی بر برطرف کردن برخی از مشکلات موجود دارد. این رویکرد با تمرکز بر بخش‌های معنی‌دار تشکیل دهنده‌ی خودرو از قبیل چراغ‌ها، جلوپنجره و نشان‌واره به طبقه‌بندی کلاس‌های مختلف وسیله نقلیه می‌پردازد. توصیفگر هیستوگرام گرادیان‌های جهت‌دار برای استخراج ویژگی و ماشین بردار پشتیبان برای طبقه‌بندی به کار گرفته شده‌اند. برای این منظور مجموعه داده‌ای متشکل از 352 تصویر از نمای جلو و پشت هشت کلاس مختلف از خودروها جمع‌آوری شده و تمامی بخش‌های آن‌ها علامت‌گذاری گشته‌اند. نتایج آزمایشات انجام شده بر روی این تصاویر، برتری رویکرد مبتنی بر بخش را نسبت به رویکردهای پیشین نشان می‌دهد. روش پیشنهادی موفق به کسب دقت 95.4% بر روی نمای جلو و دقت 100% بر روی نمای پشت شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Comparison between Holistic and Part-Based Approaches and Proposing a New Approach for Vehicle Make and Model Recognition
چکیده انگلیسی مقاله After vehicle detection and vehicle type recognition, it is vehicle make and model recognition (VMMR) that has attracted researchers attention in the last decade. Due to the large number of classes and small inner-class distance, this problem is known as a hard classification problem. In this paper, a comparison between holistic and part-based approaches has been made and most of the previous methods in each category have been reviewed. In addition, a new part-based method is proposed which tries to overcome some of the hard challenges in this area. This method operates on meaningful parts of vehicle like lights, grilles and logo for distinguishing of different classes. The Histogram of Oriented Gradients (HOG) and Support Vector Machine (SVM) have been used for feature extraction and classification tasks respectively. For evaluation purposes, a dataset including 352 images from frontal and rear view of eight different classes of vehicles have been prepared and fully marked based on their parts. The experimental results show the effectiveness of the proposed part-based approach in comparison to the traditional approaches. The proposed method achieved 95.4% accuracy on frontal view and 100% accuracy on rear view images.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محسن بیگلری | mohsen biglari
mbt925@gmail.com


علی سلیمانی | ali soleimani
solimani_ali@shahroodut.ac.ir
نشانی اینترنتی http://scj.kashanu.ac.ir/browse.php?a_code=A-11-131-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1052/article-1052-478983.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات