شناسایی نوع و مدل وسیله نقلیه با استفاده از مجموعه بخش های متمایز کننده

طبقه بندی دقیق اشیا (Fine-Grained Recognition) چالشی است که جامعه بینایی ماشین در حال حاضر با آن روبه رو شده است. در این نوع طبقه بندی گروه کلی شیء مشخص بوده و هدف تعیین زیرگروه دقیق آن است؛ شناسایی نوع و مدل وسیله نقلیه (VMMR) نیز در این حوزه قرار می گیرد. این مسئله به دلیل وجود تعداد طبقه های زیاد، تفاوت درون طبقه ای بسیار و تفاوت بین طبقه ای کم از مسائل طبقه بندی دشوار به شمار می رود. در این مقاله روشی مبتنی بر بخش برای شناسایی نوع و مدل خودرو پیشنهاد شده است. این روش برای طبقه بندی طبقه های مختلف خودرو، ابتدا بخش های متمایز کننده هر یک را به صورت خودکار می یابد؛ سپس با استخراج ویژگی از این بخش ها و رابطه هندسی بین آن ها، یک مدل می آموزد. وزن بخش های مختلف هر مدل به صورت پویا و با استفاده از مجموعه داده های آموزشی یاد گرفته می شود. سامانه پیشنهادی با ترکیب این مدل ها به شناسایی طبقه خودرو می پردازد. برای آزمایش سامانه پیشنهادی و به دلیل عدم وجود مجموعه داده به اشتراک گذاشته شده، یک مجموعه داده با بیش از 5000 خودرو از 28 طبقه مختلف تهیه و به صورت کامل علامت گذاری شده است. نتیجه آزمایش های انجام شده بر روی این تصاویر که دارای تغییرات روشنایی زیاد و تغییرات زاویه اندک هستند، نشان از دقت بالای روش پیشنهادی دارد.