شماره ركورد كنفرانس :
5513
عنوان مقاله :
شناسايي شناورها از تصاوير ماهواره‌اي با الگوريتم YOLO
پديدآورندگان :
قنبري عديوي رضا ghanbariadivireza@gmail.com دانشجوي كارشناسي ارشد ، دانشگاه صنعتي نوشيرواني بابل , حسن زاده محمد رضا m.hasanzadeh@nit.ac.ir استاديار، دانشگاه صنعتي نوشيرواني بابل
كليدواژه :
شبكه‌هاي عصبي پيچشي , ياد‌گيري عميق , شناسايي اشياء , شناساگر‌هاي يك مرحله‌اي , شناسايي شناورها
عنوان كنفرانس :
نخستين همايش ملي هوش مصنوعي و فناوري هاي آينده نگر
چكيده فارسي :
شناسايي شناورها در تصاوير ماهواره‌اي از مسائل اساسي در نظارت دريايي، پايش محيط زيستي وكمك در مسيريابي محسوب مي‌شود. اين تحقيق به بهبود الگوريتم شناسايي يك مرحله‌اي YOLO براي شناسايي شناورها در تصاوير ماهواره‌اي مي‌پردازد. الگوريتم پيشنهادي براي رسيدگي به مشكلات تصاوير ماهواره‌اي، مانند وضوح پايين و اندازه و جهت گيري هاي متفاوت شناور ها طراحي شده است. اين مقاله پيكربندي‌هاي متعدد YOLO را بررسي و براي يافتن الگوريتم بهينه تلاش مي‌كند. مدل پيشنهادي در اين مقاله با استفاده از بهبودها در زمينه تابع زيان رگرسيون، تركيب ويژگي در قسمت سر و گردن، همچنين استخراج ويژگي كم هزينه تر امكان شناسايي موثر شناورها را فراهم مي كند. علاوه بر اين، براي بهبود سرعت مدل يك ماژول جديد استخراج ويژگي از تصاوير ماهواره‌اي به منظور بهبود سرعت استنتاج مدل بدون از دست دادن دقت طراحي شد. مدل معرفي شده در اين تحقيق با دقت بالاتر از مدل YOLOv5m به ميزان 0.7 درصد در معيار COCO، وهمچنين دقت بالاتر به ميزان 2.7 در معيار Pascal VOC دست يافته و همزمان به سرعت بيشتر به ميزان 33 درصد رسيده است.
