شماره ركورد كنفرانس
5215
عنوان مقاله
پياده سازي و مقايسه تشخيص شيء روي برد رزبري پاي با الگوريتمهاي تك مرحله اي
پديدآورندگان
انتظاري نجفآبادي محمدمهدي m.entezarinajaf@mail.sbu.ac.ir دانشجوي كارشناسي، دانشكده مهندسي مكانيك و انرژي، دانشگاه شهيد بهشتي، تهران , عليزاده كناري اميرحسين a.alizadehkenari@mail.sbu.ac.ir دانشجوي كارشناسي، دانشكده مهندسي مكانيك و انرژي، دانشگاه شهيد بهشتي، تهران , حق جو محمدرضا m_haghjoo@sbu.ac.ir استاديار، دانشكده مهندسي مكانيك و انرژي، دانشگاه شهيد بهشتي، تهران , تقيزاده شول مصطفي mo_taghizadeh@sbu.ac.ir دانشيار، دانشكده مهندسي مكانيك و انرژي، دانشگاه شهيد بهشتي، تهران
تعداد صفحه
4
كليدواژه
بينايي ماشين , تشخيص اشياء , برد رزبري پاي , YOLO , SSD
سال انتشار
1402
عنوان كنفرانس
سي و يكمين همايش بين المللي مهندسي مكانيك ايران و نهمين همايش صنعت نيروگاهي ايران
زبان مدرك
فارسي
چكيده فارسي
امروزه پردازش تصوير و بينايي ماشين بطور گسترده در طراحي مسير و اجتناب از موانع رباتها مورد استفاده قرار مي گيرد. هدف از اين مقاله پياده سازي و مقايسه مدلهاي تشخيص شيء معتبر جهاني، روي دستگاه هاي لبه مانند برد رزبري پاي و گوشي همراه است كه براي توسعه رباتهاي ارزان قيمت ضروري است. در اين مقاله مدل هاي مطرح از دو الگوريتم تك مرحله اي تشخيص شيء يعني «SSD» و «YOLO» بررسي و مقايسه شده اند. اين مدل ها ابتدا با كتابخانه Tensorflow lite به مدل هاي سبكتر تبديل شده و سپس روي برد رزبري پاي پياده سازي شدند. سپس مقايسه بين سرعت و دقت مدلها بر اساس معيار ميانگين (IOU=0.5:0.95) با استفاده از زير مجموعهاي متشكل از 100 تصوير از مجموعه داده ي استاندارد COCO انجام شده است. نتايج نشان مي دهد از بين مدلهاي مورد مطالعه، مدل Yolo-v4-tiny-416 بيشترين دقت و مدل SSD-mobilenet-v1 بيشترين سرعت را روي زير مجموعه ي مذكور دارند.
كشور
ايران
لينک به اين مدرک