بررسی روش های تشخیص اشیاء مبتنی بر منطقه

تشخیص اشیاء ، یک شیوه در پردازش تصویر و بینایی ماشین است که برای مکان یابی نمونه هایی از اشیاء، در تصاویر یا فیلم ها مورد استفاده قرار می گیرد. الگوریتم های تشخیص شیء، معمولا از روش های یادگیری ماشین یا روش های یادگیری عمیق استفاده می نمایند. روش های تشخیص اشیاء می توانند تک مرحله ای یا دو-مرحله ای باشند. هم زمان این روش ها، مبتنی بر منطقه ، مبتنی برتبدیل کننده و مبتنی بر پیش-آموزش می باشند. همچنین، این روش ها مبتنی بر پیش-آموزش تحت نظارت و یا پیش-آموزش خود-نظارت ، هستند. با توجه به این که شبکه های عصبی پیچشی مبتنی بر منطقه ، خانواده ای از مدل های شبکه های عصبی پیچشی هستند که برای تشخیص اشیاء مورد استفاده قرار می گیرند، و دارای این خصوصیت می باشند که در حالت کاستی های طبقه بندی، علاوه بر استخراج ویژگی، اجزای بیشتری را نیز از قبل آموزش می دهند، در این مقاله به بررسی روش های تشخیص اشیاء مبتنی بر منطقه، با توجه به دسته بندی های اشاره شده، پرداخته می شود.