افزایش سرعت و کیفیت آشکارسازی اشیاء متحرک مبتنی بر تخمین چگالی کرنل

ردیابی اهداف متحرک هوایی با استفاده از تخمین چگالی کرنل بر اساس الگوریتم فیلتر ذره

چکیده: در این مقاله، به منظور ردیابی اهداف متحرک روشی جدید بر اساس الگوریتم فیلتر ذره ارائه شده است. تعیین تعداد مراحل بازنمونه­برداری در الگوریتم فیلترذره یکی از عوامل مهم در تعیین مدت زمان پردازش تصاویر می­باشد. در مقالة حاضر با تخمین چگالی کرنل گوسی، هیستوگرام وزن­دارشده مدل هدف به­دست آمده و با اعمال واریانس یک نویز تصادفی در محل هدف، موقعیت ذرات نامزد در فریم بعد پیشگویی می­شوند. در این مق...

ردیابی اهداف متحرک هوایی با استفاده از تخمین چگالی کرنل بر اساس الگوریتم فیلتر ذره

وفقی سازی شعاع کرنل در تخمین موقعیت اجسام متحرک بر اساس الگوریتم بازنمونه برداری فیلترذره

تعیین مناسب شعاع کرنل یکی از پارامترهای بحرانی ردیابی مبتنی بر چگالی کرنل می باشد، که تاکنون راهکار کامل و بی عیبی برای آن بیان نشده است. در این مقاله از یک روش لبه یابی با الگوریتم ردیاب مبتنی بر کرنل برای وفقی سازی شعاع آن استفاده می شود و از ترکیب آن  با الگوریتم بازنمونه برداری فیلترذره، به یک الگوریتم ردیابی مقاوم و با دقت دست می یابد. بعد از تخمین چگالی کرنل مناسب، هیستوگرام وزندارشده مدل...

یک شبکة عصبی جدید مبتنی بر کرنل با کاربرد در آشکارسازی اهداف دریایی

آشکارسازی اهداف دریایی در ناوبری و کاربردهای نظامی حائز اهمیت است. نویز محیطی و درهم ریختگی دریا دو مشکل عمده در آشکارسازی اهداف دریایی است. یک شبکة عصبی جدید در فضای کرنل (NNKS) برای دسته‌بندی داده ارائه می‌شود که همراه با یک سیستم عصبی کرنلی برای آشکارسازی اهداف دریایی (KNNS) است. این سیستم به‌طور ویژه در تصاویر نویزی، تصاویر دارای برهم ریختگی و تصاویر با پس زمینه پیچیده که روش‌های معمول عملک...

وفقی سازی شعاع کرنل در تخمین موقعیت اجسام متحرک بر اساس الگوریتم بازنمونه برداری فیلترذره

تعیین مناسب شعاع کرنل یکی از پارامترهای بحرانی ردیابی مبتنی بر چگالی کرنل می باشد، که تاکنون راهکار کامل و بی عیبی برای آن بیان نشده است. در این مقاله از یک روش لبه یابی با الگوریتم ردیاب مبتنی بر کرنل برای وفقی سازی شعاع آن استفاده می شود و از ترکیب آن  با الگوریتم بازنمونه برداری فیلترذره، به یک الگوریتم ردیابی مقاوم و با دقت دست می یابد. بعد از تخمین چگالی کرنل مناسب، هیستوگرام وزندارشده مدل...

بهبود شبکه عمیق R-FCN در آشکارسازی و برچسب‎زنی اشیاء

امروزه آشکارسازی و برچسب‎زنی اشیاء در تصاویر یکی از چالش‎های اساسی در برخی از کاربردهای بینایی‎ماشین می‎باشد. در سال‎های اخیر استفاده از یادگیری عمیق مورد توجه محققان قرار گرفته است. در همین راستا، در این مقاله ابتدا جدیدترین شبکه‎های عمیق موجود معرفی، سپس نقاط قوت و ضعف آنها تحلیل می‌شود. در ادامه شبکه‎ای بهبود یافته از شبکه R-FCN ارائه می‎شود. روش پیشنهادی بر پایه معماری ResNet و شبکه تمام کا...