ارتقای قابلیت تشخیص هدف در تصاویر موج میلیمتری غیرفعال مبتنی بر الگوریتم YOLOv3
امواج میلیمتری ویژگیهای منحصربهفردی مانند قابلیت نفوذ در الیاف لباس را دارند که منجر به تشخیص اشیای پنهان در لباس میشوند. به همین دلیل، سامانه تصویربرداری موج میلیمتری در بخشهای امنیت عمومی مراکز مهم، به خصوص فرودگاهها و مراکز نظامی میتواند مورد استفاده قرار گیرد. تحت شرایط امنیتی و به جهت افزایش هوشمندی برای رصد مجرمین، تشخیص اشیای پنهان شده در زیر لباس با دقت و سرعت بالا منجر به افزایش اقتدار پلیس خواهد شد. با معرفی روشهای تشخیص اشیای مبتنی بر شبکههای عصبی کانولوشنال عمیق، میتوان از این روشها برای برآورده کردن نیازهای دقت و سرعت بالا استفاده نمود. در این مقاله، به منظور تشخیص اهداف از الگوریتم YOLOv3 به دلیل دقت و سرعت بالای آن به عنوان الگوریتم تشخیص اشیای پایه استفاده میشود. جهت افزایش میانگین دقت متوسط الگوریتم YOLOv3 و نیز افزایش دقت تشخیص اشیای کوچک از اضافه نمودن ماژول SPP به ساختار شبکهی استخراجگر ویژگی الگوریتم YOLOv3 و نیز کادرهای انکر مناسب با اهداف درون مجموعه دادهی مورد نظر استفاده میگردد. همچنین، جهت کاهش پیچیدگی محاسباتی و نیز کاهش زمان تشخیص از ساختار کوچکتر YOLOv3 استفاده میشود. در نهایت کارآیی روش پیشنهادی با الگوریتم YOLOv3 اولیه مقایسه میگردد. نتایج نشان میدهد که روش پیشنهادی علاوه بر افزایش 4.04% میانگین دقت متوسط، زمان تشخیص 14 میلی ثانیه را نیز صرف میکند.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.