ورود
مقالات فارسیISIکنفرانسهاژورنالها

استفاده از ShuffleNet برای طراحی یک مدل بخش بندی معنایی عمیق به منظور تشخیص نشت نفت در تصاویر رادار روزنه مصنوعی

محل انتشار: فصلنامه مهندسی برق و الکترونیک ایران، دوره: 19، شماره: 3
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 178

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/1531062

شناسه ملی سند علمی:

JR_JIAE-19-3_014

تاریخ نمایه سازی: 16 مهر 1401

چکیده مقاله:

بخش­بندی معنایی عمیق تصاویر به­ عنوان راه حلی یکپارچه در آنالیز تصاویر مبتنی بر طبقه­ بندی تک­ تک پیکسل­ های تصویر بوده و بخصوص در کاربرد­هایی مانند شناسایی نشت نفت در آب­های آزاد که در آن مرز اشیا و نواحی به ­طور مشخص قابل تفکیک نیستند، مورد توجه قرار می­ گیرد. به منظور کنترل هرچه بیشتر آلودگی و مخاطرات زیست محیطی ناشی از نشت نفت، ارائه روش­هایی با دقت بیشتر از اهمیت ویژه­ ای برخوردار است. تصاویر رادار روزنه مصنوعی دراین زمینه بسیار پرکاربرد بوده و با چالش­ هایی از جمله نویز اسپکل و نیز تشخیص نواحی لکه ­نفتی و شبه­ لکه نفتی مواجه هستند. بکارگیری روش­های نوین یادگیری عمیق می ­تواند در کاهش دخالت سلیقه انسانی در تصمیم ­گیری کمک کند. در این مقاله از روش مخلوط کردن کانال­های ویژگی در شبکه ­های کانولوشنی عمیق، بلوک­های آتروس و بخش­های رمزگشایی استفاده شده است که علاوه بر کاهش پیچیدگی ­های محاسباتی، نتایج بخش ­بندی لکه­ های نفتی به ­مراتب بهتر از سایر روش­ها می­ دهد. معماری شبکه ارائه شده مبتنی بر معماری vgg۱۶  می ­باشد. دقت کلی، صحت، همپوشانی بر واحد، IoU وزن­دار و امتیاز BF  به­ عنوان پارامترهای ارزیابی در نظر گرفته شده ­اند. در روش ارائه شده، دقت بخش­ بندی لکه ­های نفتی و شبه ­لکه ­های نفتی به ­ترتیب به میزان ۸/۷% و ۳/۷% نسبت به روش­های پیشین بهبود یافته است.

کلیدواژه ها:

Channel shuffle ، ShuffleNet ، deep learning ، semantic segmentation ، oil spill detection ، synthetic aperture radar images ، مخلوط کردن کانال ، شافل نت ، یادگیری عمیق ، بخش بندی معنایی ، شناسایی لکه های نفتی ، تصاویر رادار روزنه مصنوعی

نویسندگان

نسترن آقائی

Shahid Chamran University of Ahvaz

غلامرضا اکبری زاده

Shahid Chamran University of Ahvaz

عبدالنبی کوثریان

Shahid Chamran University of Ahvaz

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • A. Beigi and A. Akbarian, "Profit increasing in smart grid ...
  • M. Hojjat, M. Javidi, and S. Goldani, "Transmission Loss Allocation ...
  • R. Hooshmand and M. Moazzami, "Short-Term Nodal Congestion Price Forecasting ...
  • http://jiaeee.com/article-۱-۱۴۳-en.html ...
  • A. Hokmabadi, A. Zakeri, and A. Sherafat, "Sidelobe Reduction for ...
  • http://jiaeee.com/article-۱-۳۸۹-en.html ...
  • Emadaleslami, M., Majidi, H., & Haghifam, M. A., “Two-Stage Model ...
  • Lateef, F. and Ruichek, Y., “Survey on semantic segmentation using ...
  • Shahmiri, A., Safabakhsh, R. and Dezhkam, R., “Automatic Farsi Typo ...
  • Mavaddati, S., “ECG Arrhythmia Classification Based on Wavelet Packet Transform ...
  • P. Parsa and R. Safabakhsh, "A New Method for Image ...
  • http://jiaeee.com/article-۱-۶۸-en.html. ...
  • Analysis and Synthesis of Facial Expressions by Feature- Points Tracking and Deformable Model [مقاله ژورنالی]
  • http://jiaeee.com/article-۱-۲۶۰-en.html ...
  • Akbarizadeh, G., “A new statistical-based kurtosis wavelet energy feature for ...
  • Alpers, W., Holt, B. and Zeng, K., “Oil spill detection ...
  • Solberg, A.H., Brekke, C. and Husoy, P.O., “Oil spill detection ...
  • Angelliaume, S., Dubois-Fernandez, P.C., Jones, C.E., Holt, B., Minchew, B., ...
  • Al-Ruzouq, R., Gibril, M.B.A., Shanableh, A., Kais, A., Hamed, O., ...
  • Carvalho, G.D.A., Minnett, P.J., Miranda, F.P.D., Landau, L. and Moreira, ...
  • Topouzelis, K.N., “Oil spill detection by SAR images: dark formation ...
  • Fingas, M. and Brown, C., "Review of oil spill remote ...
  • Song, D., Ding, Y., Li, X., Zhang, B. and Xu, ...
  • Genovez, P., Ebecken, N., Freitas, C., Bentz, C. and Freitas, ...
  • Lupidi, A., Staglianò, D., Martorella, M. and Berizzi, F., “Fast ...
  • Mera, D., Bolon-Canedo, V., Cotos, J.M. and Alonso-Betanzos, A., “On ...
  • Raeisi, A., Akbarizadeh, G. and Mahmoudi, A., “Combined method of ...
  • Aghaei, N., Akbarizadeh, G., & Kosarian, A. “GreyWolfLSM: an accurate ...
  • Zeng, K. and Wang, Y., "A deep convolutional neural network ...
  • Temitope Yekeen, S. and Balogun, A.L.,"Advances in remote sensing technology, ...
  • Nieto-Hidalgo, M., Gallego, A.J., Gil, P. and Pertusa, A., "Two-stage ...
  • Krestenitis, M., Orfanidis, G., Ioannidis, K., Avgerinakis, K., Vrochidis, S. ...
  • Chen, L.C., Papandreou, G., Kokkinos, I., Murphy, K. and Yuille, ...
  • Li, X., Liu, B., Zheng, G., Ren, Y., Zhang, S., ...
  • Krestenitis, M., Orfanidis, G., Ioannidis, K., Avgerinakis, K., Vrochidis, S. ...
  • Chen, G., Li, Y., Sun, G. and Zhang, Y., "Application ...
  • Y. Bengio, P. Lamblin, D. Popovici, and H. Larochelle, "Greedy ...
  • Bengio, Y., Lamblin, P., Popovici, D. and Larochelle, H., "A ...
  • Yu, Y., Zhang, K., Yang, L. and Zhang, D., "Fruit ...
  • Cantorna, D., Dafonte, C., Iglesias, A. and Arcay, B., "Oil ...
  • Song, D., Zhen, Z., Wang, B., Li, X., Gao, L., ...
  • Zhang, X., Zhou, X., Lin, M. and Sun, J., "Shufflenet: ...
  • Chollet, F., "Xception: Deep learning with depthwise separable convolutions," in ...
  • Xie, S., Girshick, R., Dollár, P., Tu, Z. and He, ...
  • Krizhevsky, A., Sutskever, I. and Hinton, G.E.,"Imagenet classification with deep ...
  • Szegedy, C., Ioffe, S., Vanhoucke, V. and Alemi, A.A., "Inception-v۴, ...
  • Howard, A.G., Zhu, M., Chen, B., Kalenichenko, D., Wang, W., ...
  • Ma, N., Zhang, X., Zheng, H.T. and Sun, J.,"Shufflenet v۲: ...
  • Hu, X. and Wang, H., "Efficient fast semantic segmentation using ...
  • He, K., Zhang, X., Ren, S. and Sun, J., "Spatial ...
  • He, K., Zhang, X., Ren, S. and Sun, J., "Deep ...
  • Long, J., Shelhamer, E. and Darrell, T., "Fully convolutional networks ...
  • Chen, L.C., Zhu, Y., Papandreou, G., Schroff, F. and Adam, ...
  • He, K., Zhang, X., Ren, S. and Sun, J., "Going ...
  • A. Beigi and A. Akbarian, "Profit increasing in smart grid ...
  • M. Hojjat, M. Javidi, and S. Goldani, "Transmission Loss Allocation ...
  • R. Hooshmand and M. Moazzami, "Short-Term Nodal Congestion Price Forecasting ...
  • http://jiaeee.com/article-۱-۱۴۳-en.html ...
  • A. Hokmabadi, A. Zakeri, and A. Sherafat, "Sidelobe Reduction for ...
  • http://jiaeee.com/article-۱-۳۸۹-en.html ...
  • Emadaleslami, M., Majidi, H., & Haghifam, M. A., “Two-Stage Model ...
  • Lateef, F. and Ruichek, Y., “Survey on semantic segmentation using ...
  • Shahmiri, A., Safabakhsh, R. and Dezhkam, R., “Automatic Farsi Typo ...
  • Mavaddati, S., “ECG Arrhythmia Classification Based on Wavelet Packet Transform ...
  • P. Parsa and R. Safabakhsh, "A New Method for Image ...
  • http://jiaeee.com/article-۱-۶۸-en.html. ...
  • Analysis and Synthesis of Facial Expressions by Feature- Points Tracking and Deformable Model [مقاله ژورنالی]
  • http://jiaeee.com/article-۱-۲۶۰-en.html ...
  • Akbarizadeh, G., “A new statistical-based kurtosis wavelet energy feature for ...
  • Alpers, W., Holt, B. and Zeng, K., “Oil spill detection ...
  • Solberg, A.H., Brekke, C. and Husoy, P.O., “Oil spill detection ...
  • Angelliaume, S., Dubois-Fernandez, P.C., Jones, C.E., Holt, B., Minchew, B., ...
  • Al-Ruzouq, R., Gibril, M.B.A., Shanableh, A., Kais, A., Hamed, O., ...
  • Carvalho, G.D.A., Minnett, P.J., Miranda, F.P.D., Landau, L. and Moreira, ...
  • Topouzelis, K.N., “Oil spill detection by SAR images: dark formation ...
  • Fingas, M. and Brown, C., "Review of oil spill remote ...
  • Song, D., Ding, Y., Li, X., Zhang, B. and Xu, ...
  • Genovez, P., Ebecken, N., Freitas, C., Bentz, C. and Freitas, ...
  • Lupidi, A., Staglianò, D., Martorella, M. and Berizzi, F., “Fast ...
  • Mera, D., Bolon-Canedo, V., Cotos, J.M. and Alonso-Betanzos, A., “On ...
  • Raeisi, A., Akbarizadeh, G. and Mahmoudi, A., “Combined method of ...
  • Aghaei, N., Akbarizadeh, G., & Kosarian, A. “GreyWolfLSM: an accurate ...
  • Zeng, K. and Wang, Y., "A deep convolutional neural network ...
  • Temitope Yekeen, S. and Balogun, A.L.,"Advances in remote sensing technology, ...
  • Nieto-Hidalgo, M., Gallego, A.J., Gil, P. and Pertusa, A., "Two-stage ...
  • Krestenitis, M., Orfanidis, G., Ioannidis, K., Avgerinakis, K., Vrochidis, S. ...
  • Chen, L.C., Papandreou, G., Kokkinos, I., Murphy, K. and Yuille, ...
  • Li, X., Liu, B., Zheng, G., Ren, Y., Zhang, S., ...
  • Krestenitis, M., Orfanidis, G., Ioannidis, K., Avgerinakis, K., Vrochidis, S. ...
  • Chen, G., Li, Y., Sun, G. and Zhang, Y., "Application ...
  • Y. Bengio, P. Lamblin, D. Popovici, and H. Larochelle, "Greedy ...
  • Bengio, Y., Lamblin, P., Popovici, D. and Larochelle, H., "A ...
  • Yu, Y., Zhang, K., Yang, L. and Zhang, D., "Fruit ...
  • Cantorna, D., Dafonte, C., Iglesias, A. and Arcay, B., "Oil ...
  • Song, D., Zhen, Z., Wang, B., Li, X., Gao, L., ...
  • Zhang, X., Zhou, X., Lin, M. and Sun, J., "Shufflenet: ...
  • Chollet, F., "Xception: Deep learning with depthwise separable convolutions," in ...
  • Xie, S., Girshick, R., Dollár, P., Tu, Z. and He, ...
  • Krizhevsky, A., Sutskever, I. and Hinton, G.E.,"Imagenet classification with deep ...
  • Szegedy, C., Ioffe, S., Vanhoucke, V. and Alemi, A.A., "Inception-v۴, ...
  • Howard, A.G., Zhu, M., Chen, B., Kalenichenko, D., Wang, W., ...
  • Ma, N., Zhang, X., Zheng, H.T. and Sun, J.,"Shufflenet v۲: ...
  • Hu, X. and Wang, H., "Efficient fast semantic segmentation using ...
  • He, K., Zhang, X., Ren, S. and Sun, J., "Spatial ...
  • He, K., Zhang, X., Ren, S. and Sun, J., "Deep ...
  • Long, J., Shelhamer, E. and Darrell, T., "Fully convolutional networks ...
  • Chen, L.C., Zhu, Y., Papandreou, G., Schroff, F. and Adam, ...
  • He, K., Zhang, X., Ren, S. and Sun, J., "Going ...
    • نمایش کامل مراجع