این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
محاسبات نرم، جلد ۵، شماره ۲، صفحات ۳۴-۴۷
عنوان فارسی انتخاب ناحیه‌های کاندید در سیستم‌های تشخیص و شناسایی اشیاء
چکیده فارسی مقاله در تحقیقات انجام شده در سال­های اخیر، بدست آوردن ناحیه­های کاندید به عنوان یک مرحله اساسی و مهم در سیستم­های تشخیص و شناسایی اشیای موجود در تصویر معرفی شده است. بدست آوردن این ناحیه­ها به مانند یک تنگناه بوده و بیشترین بار محاسباتی را در این نوع از سیستم­ها دارد. در همین راستا انتخاب روش مناسب و سریع می­تواند در بهبود عملکرد سیستم­های تشخیص بسیار حائز اهمیت باشد. در این مقاله به مرور کارهای انجام شده در این زمینه پرداخته شده است و چندین روش مشهور و محبوب مورد استفاده در سیستم­های شناسایی قدرتمند معرفی شده است. همچنین در این مقاله به مقایسه‌ و ارزیابی روش‌های مطرح بر روی مجموعه­داده­های استاندارد PASCAL VOC، ImageNet و COCO پرداخته شده است. در روش­های مورد ارزیابی روش ناحیه کاندید گروه­بندی ترکیبی بر پایه چندین مقیاس (MCG) با الگوریتم شناسایی شبکه عصبی کانولوشن بر پایه ناحیه (R-CNN)، بهترین نتایج را داشته است. این روش عملکردی در حدود 57%، 54% و 41% بر روی مجموعه داده­های PASCAL VOC 2007، ImageNet 2013 و COCO 2014 نشان داده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Regions Proposal Selection in Objects Detection and Recogntion Systems
چکیده انگلیسی مقاله According to the studies carried out in recent years, determination of the regional proposal is one of the crucial steps in detection and recognition of the objects included in an image. In fact, determination of this region has been like a bottleneck, gaining a significant computational energy. As a result, selection of suitable and fast approaches, under these circumstance, may enhance the performance of the recognition system. In this paper, a review was provided on the recent studies carried out in this field of research and few of the famous and friendly approaches conventionally used in the strong recognition systems were introduced and applied on the dataset of PASCAL VOC, ImageNet and COCO. The results obtained indicated that the multiclass combinatorial grouping (MCG) method with the region-convoulational neural network (R-CNN) can provide the best results with the efficiency of 57%, 54% and 41% on the dataset of PASCAL VOC 2007, ImageNet 2013 and COCO 2014  respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی قنبری سرخی | ghanbari sorkhi
استان سمنان- شهرستان شاهرود- دانشگاه صنعتی شاهرود- دانشکده مهندسی کامپیوتر
سازمان اصلی تایید شده: دانشگاه صنعتی شاهرود (Shahrood university of technology)

حمید حسن پور |
استان سمنان- شهرستان شاهرود- دانشگاه صنعتی شاهرود- دانشکده مهندسی کامپیوتر
سازمان اصلی تایید شده: دانشگاه صنعتی شاهرود (Shahrood university of technology)

منصور فاتح |
استان سمنان- شهرستان شاهرود- دانشگاه صنعتی شاهرود- دانشکده مهندسی کامپیوتر
سازمان اصلی تایید شده: دانشگاه صنعتی شاهرود (Shahrood university of technology)

نشانی اینترنتی http://scj.kashanu.ac.ir/browse.php?a_code=A-10-504-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1052/article-1052-478985.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