افزايش دقت بازشناسي صحنه هاي طبيعي پويا با استفاده از همبستگي بين نقشه هاي ويژگي در شبكه هاي عصبي پيچشي

بازشناسي صحنه­ هاي پويا يكي از زمينه­ هاي تحقيقاتي اساسي در حوزه بينايي ماشين بشمار مي­ رود. در اين مقاله با استفاده از شبكه­ هاي عصبي پيچشي (CNN)، روشي موثر جهت بازشناسي صحنه­ هاي پويا ارائه مي­ شود. در روش پيشنهادي، همبستگي بين نقشه­ هاي ويژگي حاصل از لايه­ هاي مختلف يك شبكه عصبي به عنوان بردار­هاي ويژگي حاوي اطلاعات ويدئو، مورد استفاده قرار گرفته است. در اين روش، ابتدا N فريم از ويدئو انتخاب شده و به كمك يك شبكه عصبي پيچشي، نقشه­ هاي ويژگي مربوط به فريم­ هاي منتخب، استخراج شده و براي هر فريم، يك ماتريس گرام محاسبه مي­شود كه بيانگر ويژگي­ هاي مكاني فريم­ هاي ويدئو است. سپس با قطعه­ بندي زماني فريم­ هاي منتخب و ميانگين­ گيري بر روي ماتريس­ هاي گرام اين فريم­ ها، اطلاعات زماني نيز لحاظ مي­ شود. با انجام عمليات كدينگ ويژگي­ها و سپس pooling، براي هر ويدئو يك بردار ويژگي به منظور طبقه­ بندي ويدئو حاصل مي­ شود. نتايج شبيه­ سازي­ ها بر روي سه مجموعه داده مطرح در اين زمينه نشان مي­دهد كه روش پيشنهادي از دقت بازشناسي بهتري در مقايسه با ساير روش­ هاي مطرح در اين زمينه تحقيقاتي برخوردار بوده و دقت بازشناسي را تا 9% براي مجموعه داده Maryland و 3% براي مجموعه داده YUP++ بهبود بخشيده است.

no abstract