ردیابی آنلاین چند شیء با استفاده از شبکه های عصبی کانولوشنی و الگوریتم بهینه سازی علف های مهاجم

چکیده مقاله

این مطالعه یک روش آنلاین ردیابی چند شیء MOT مبتنی بر شبکه های عصبی کانولوشنی CNN ارائه می دهد که در آن تعداد لایه های مخفی شبکه به صورت پویا با استفاده از الگوریتم بهینه سازی علف های مهاجم IWO تنظیم می شود هدف از این بهینه سازی کاهش خطای طبقه بندی و بهبود عملکرد ردیابی است، به طوری که مسیر حرکت چند شیء در فریم های متوالی حفظ شده و هویت هر شیء در طول ویدیو ثابت بماند سیستم پیشنهادی با مجموعه داده VS PETS ۲۰۰۹ که به طور گسترده برای ارزیابی الگوریتم های ردیابی استفاده می شود، ارزیابی شده است تمام شبیه سازی ها و آموزش مدل در محیط MATLAB انجام شده اند نتایج تجربی نشان می دهد که روش پیشنهادی نسبت به روش های سنتی، دقت ردیابی بالاتر و حفظ هویت شیء بهتر دارد و اثربخشی ترکیب شبکه های عصبی با IWO را در سناریوهای ردیابی چند شیء در زمان واقعی به خوبی نشان می دهد

کلیدواژه‌ها

نویسندگان

امیر علی آبادیان

دپارتمان برق و مهندسی پزشکی دانشگاه شمال

�لی آبادیان، امیر،1404،ردیابی آنلاین چند شیء با استفاده از شبکه های عصبی کانولوشنی و الگوریتم بهینه سازی علف های مهاجم،دهمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران

ارائه‌شده در

مجموعه مقالات کنفرانس بین المللی مدیریت آلودگی هوا26 بهمن 1404 · تهران