یادگیری عمیق ترکیب با شبکه عصبی شعاعی جهت طبقه بندی خودروها و شدت تصادفات

چکیده مقاله

یکی از ابزار های کاربردی برای برر سی ویژ گی های تصادفات رانندگی تصاویر مربوط به صحنه تصادف میبا شد ویژ گی هایی که از ا ین تصاویر می توان ا ستخراج کرد کمک ز یادی در بهبود مدیریت تصادفات و کاهش ز مان ا مداد ر سانی به آ سیب د یدگان می نما ید یکی از این ویژگیها نوع وسیله نقلیه درگیر در صحنه ت صادفات می با شد از سوی دیگر یادگیری عمیق که مهم ترین نوع آن شبکه عصبی پیچشی ا ست، قدرت بسیارز یادی در شنا سایی ویژ گی های تصاویر دارد در ا ین مقاله یک سیستم طبقه بندی بر اساس 3 روش استخراج ویژگی شامل: 1 ویژگی های تصویری، 2 شبکه عصبی پیچشی، 3 شبکه پیچشی ترکیبی تعریف می گردد در حالت سوم خروجی شبکه ی پیچشی به الگوریتم های طبقه بندی ماشین بردار پشتیبان، پرسپترون چند لایه و شبکه عصبی شعاعی ارسال می شود ارزیابی های به عمل آمده روی داده های صحنه تصادفات شامل 3567 تصویر، نشان مید هد که ا ستخراج ویژ گی به کمک شبکه پیچشی ترکیبی به ترین نتایج را به همراه دا شته ا ست نتایج حا صله نشان می د هد که برای شنا سایی نوع خودرو ا ین الگوریتم دارای دقت 86/54 و برای شناسایی شدت صدمات وارده دارای دقت 99/39 می باشد به علاوه الگوریتم پیشنهادی خودرو های غیر درگیر در تصادف را بادقت 98/91%طبقه بندی می کند که قابل مقایسه با بهترین الگوریتم های قبلی می باشد

کلیدواژه‌ها

نویسندگان

علی پاشایی

دانشجوی کارشناسی ارشد علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر، دانشگاه صنعتی امیرکبیر

مهدی قطعی

دانشیار گروه علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر، دانشگاه صنعتی امیرکبیر

هدیه ساجدی

استادیار گروه علوم کامپیوتر، دانشکده ریاضی، آمار و علوم کامپیوتر، پردیس علوم، دانشگاه تهران

پاشایی، علی و قطعی، مهدی و ساجدی، هدیه،1396،یادگیری عمیق ترکیب با شبکه عصبی شعاعی جهت طبقه بندی خودروها و شدت تصادفات،هفدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک،تهران

ارائه‌شده در

مجموعه مقالات هفدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک29 بهمن 1396 · تهران