(Radial Basis Function Based Neural Network for Motion Detection in Dynamic Scenes  (۲۰۱۸

شبکه عصبی مبتنی بر تابع مبنای شعاعی برای کشف حرکات در محیط های پویا

توضیحات: ۱۲ صفحه انگلیسی، ۲۷ صفحه فارسی (word)

دانلود رایگان مقاله انگلیسی

چکیده فارسی

کشف حرکات، فرایند بخش بندی  اشیا متحرک در جریان های ویدئویی،اولین فرایند ضروری است و نقش مهمی در سیستم های نظارتی دارد. پویا بودن معمولا با شرایط درونی و بیرونی روبروست و شامل مواردی چون پیچ وتاب خوردن درختان، فوران چشمه ها، موج دار شدن آب ، پرده های متحرک و غیره می باشد. با این حال، کشف دقیق و کامل حرکات در علم دینامیک اغلب یک وظیفه چالش برانگیز است. این مقاله یک رویکرد نوین کشف حرکات را بر اساس شبکه های عصبی، با تابع انحراف شعاعی ارائه می دهد که به دقت اشیا متحرک را نه تنها در علم دینامیک بلکه در علم استاتیک نیز کشف می کند. روش ارائه شده شامل دوماژول مهم است : ماژول ایجاد چند پس زمینه  و ماژول بررسی اشیا متحرک. مدل ایجاد چند پس زمینه به طور کارامدی موجب ایجاد مدل احتمالی انعطاف پذیر می شود که از طریق فرایند یادگیری غیر نظارتی می تواند در پس زمینه های پویا یا ایستا کار کند.  سپس ماژول بررسی شی متحرک درک کامل و دقیقی از بررسی شی متحرک ارائه می دهد، از طریق پردازش های بلوکی که احتمال دارد دربردارنده شی متحرک باشد. این امر از طریق دو رویه انجام می شود: رویه هشدار بلوکی و رویه استخراج شی. نتایج بررسی مدل ما به همراه مقایسات کمی و کیفی از طریق روشهای جدید، و  بر اساس محدوده گسترده ای از توالی های ویدیویی عصبی ارائه می شود. نتایج کلی نشان می دهد که روش ارائه شده به طور نسبی بهتر از روشهای موجود عمل می کند با شباهت و نرخ های دقت F1 که به ترتیب ۶۹٫۳۷ درصد و ۶۵٫۵ درصد هستند.

دانلود متن کامل فارسی (قیمت ۱۲۰۱۷ تومان)