ارتقاي قابليت تشخيص هدف در تصاوير موج ميليمتري غيرفعال مبتني بر الگوريتم YOLOv3

چكيده: امواج ميليمتري ويژگي‌هاي منحصربه‌فردي مانند قابليت نفوذ در الياف لباس را دارند كه منجر به تشخيص اشياي پنهان در لباس مي‌شوند. به همين دليل، سامانه تصويربرداري موج ميليمتري در بخش‌هاي امنيت عمومي مراكز مهم، به خصوص فرودگاه‌ها و مراكز نظامي مي‌تواند مورد استفاده قرار گيرد. تحت شرايط امنيتي و به جهت افزايش هوشمندي براي رصد مجرمين، تشخيص اشياي پنهان ‌شده در زير لباس با دقت و سرعت بالا منجر به افزايش اقتدار پليس خواهد شد. با معرفي روش‌هاي تشخيص اشياي مبتني بر شبكه‌هاي عصبي كانولوشنال عميق، مي‌توان از اين روش‌ها براي برآورده كردن نيازهاي دقت و سرعت بالا استفاده نمود. در اين مقاله، به منظور تشخيص اهداف از الگوريتم YOLOv3 به دليل دقت و سرعت بالاي آن به عنوان الگوريتم تشخيص اشياي پايه استفاده مي‌شود. جهت افزايش ميانگين دقت متوسط الگوريتم YOLOv3 و نيز افزايش دقت تشخيص اشياي كوچك از اضافه نمودن ماژول SPP به ساختار شبكه‌ي استخراج‌گر ويژگي الگوريتم YOLOv3 و نيز كادرهاي انكر مناسب با اهداف درون مجموعه داده‌ي مورد نظر استفاده مي‌گردد. هم‌چنين، جهت كاهش پيچيدگي محاسباتي و نيز كاهش زمان تشخيص از ساختار كوچك‌تر YOLOv3 استفاده مي‌شود. در نهايت كارآيي روش پيشنهادي با الگوريتم YOLOv3 اوليه مقايسه مي‌گردد. نتايج نشان مي‌دهد كه روش پيشنهادي علاوه بر افزايش 4.04% ميانگين دقت متوسط، زمان تشخيص 14 ميلي ثانيه را نيز صرف مي‌كند.