موقعیت یابی از طریق بازیابی تصاویر مرئی زیر آب بر پایه شبکه عصبی عمیق VGG-۱۶ و شبکه عصبی بازگشتی LSTM

بازیابی تصاویر زیر آب به عنوان بخش مهمی از ناوبری مدرن ، موقعیت یابی مکانی و اکتشافات دریایی مورد توجه قرار گرفته است. سیستم های بازیابی تصویر مبتنی بر محتوا، اطلاعات بصری تصویر را به شکل بردار ویژگی استخراج می کنند و مبنای شباهت سنجی تصاویر مشابه قرار می دهند. در این پژوهش ترکیب دو شبکه عصبی به منظور استخراج ویژگی های تصویر مورد بررسی قرار گرفته است. مدل پیشنهادی ویژگی های تصویر را با استفاده از شبکه عصبی عمیق VGG-۱۶ استخراج می کند. تقویت ویژگی های استخراج شده و کشف روابط بین ویژگی ها و دینامیک تصویر با استفاده از شبکه عصبی بازگشتی LSTM صورت می گیرد. ترکیب دو دسته ویژگی های تصویر، امکان توصیف جزئیات دقیق تری را فراهم کرده است. مدل پیشنهادی برروی مجموعه داده های تصاویر مرئی زیر آب ارزیابی شده است. نتایج به دست آمده دقت مدل پیشنهادی در بازیابی تصاویر مشابه را بر اساس معیار شباهت ساختاری و معیار شباهت ویژگی به ترتیب برابر با %۴۲.۶ و ۷۶% نشان می دهد.

کلیدواژه ها:

موقعیت یابی ، بازیابی تصاویر ، شبکه عصبی عمیقVGG-۱۶ ، شبکه عصبی بازگشتی LSTM