پیاده سازی مدل سلسله مراتبی بازشناسی اشیا مبتنی بر سیستم بینایی با استفاده از پردازنده های گرافیکی مدرن

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,636

فایل این مقاله در 7 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:

شناسه ملی سند علمی:

ISCEE13_142

تاریخ نمایه سازی: 14 مرداد 1389

چکیده مقاله:

بهترین مدل برای ایجاد یک سیستم بینایی ماشین قدرتمند، سیستم بینایی انسان است. بدون شک این سیستم قابلیت بسیار بالایی در شناسایی، دسته بندی و تشخیص هویت یک شی قرار گرفته در شرایط مختلف مانند تغییر زاویه شی مرجع، تغییر شدت روشنایی و قرار گرفتن در صحنه های شلوغ را دارد. امروزه بخش های مختلف این سیستم و نحوه عملکرد این بخش ها تا حدودی مشخص شده است و سیستم های بینایی ماشین مختلفی با الهام از ساختار قشر بینایی مغز ارائه شده شده است. در این میان سیستم های پیاده سازی شده به صورت نظیر به نظیر علاوه بر ایجاد یک سیستم بینایی ماشین قدرتمند، می توانند به عنوان مدلی جهت حرکت به سمت شناخت هر چه بیشتر سیستم بینایی مغز کمک کنند. در این مقاله روشی جهت پیاده سازی موازی نمونه ای از سیستم های بازشناسی اشیا سلسله مراتبی قدرتمند با نام ویژگی های مدل استاندارد نوع اول یا 1SMF و اجرای آن در یکی از پر کاربردترین پردازنده های کمکی موجود در هر سیستم خانگی ارائه می شود. افزایش سرعت اجرای این مدل ها و استفاده از پردازنده های گرافیکی مدرن در جهت این هدف باعث حرکت به سمت کاربردی شدن این سیستم ها خواهد بود.

نویسندگان

علیرضا حاجیانی

دانشگاه شهید رجایی

رضا ابراهیم پور

دانشگاه شهید رجایی

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 :
  • for pictures" J. Exp. Psych. Hum. Learn. Mem..Vol. 2, pp. ...
  • Science, Vol. 187, pp. 565-566, 1975. [3] ...
  • and functional architecture ofmonkey striate cortex" J. Phys, Vol. 195, ...
  • architecture of macaque monkey" Proc. R. Soc. Lond. B Biol. ...
  • Perceptrons and the Theory of Brain Mechanisms. Spartan books, Wash ...
  • multilayered neural network" Biol Cyb., Vol. 20, No. 3, pp. ...
  • organizing neural network mode for a mechanism of pattern recognition ...
  • "Neocognitron: A neural network model for a mechanism of visual ...
  • chapter A comparison of algorithms for neuron-like cells, American Institute ...
  • explorations in the microstructure of cognition, volume 1: foundations, chapter ...
  • Y. LeCun, Learning processes in an asymmetric threshold network. In ...
  • Y. LeCun, B. Boser, J.S. Denker, D. Henderson, R.E. Howard, ...
  • Y. LeCun, L. Bottou, Y. Bengio, and P. Haffher, _ ...
  • Y. LeCun, F. J. Huang, and L. Bottou, "Learning methods ...
  • S. Chopra, R. Hadsell, and Y. LeCun, "Learning a similarity ...
  • Y. LeCun, U. Muller, J. Ben, E., Cosatto, and B. ...
  • B. Heisele, T. Serre, M. Pontil, and T. Poggio, _ ...
  • A. Mohan, C. Papageorgiou, and T. Poggio, _ Examp le-based ...
  • S. Ullman, M. Vidal-Naquet, and E. Sali, features of intermdediate ...
  • D.G. Lowe, :Towards a computational model for object recognition in ...
  • Biologically Motivated Computer Vision, Seoul, Korea, pp. 20-31, 2000. ...
  • M. Riesenhuber and T. Poggio, "Hierarchical models of object recognition ...
  • T. Serre, M. Riesenhuber, J. Louie, and T. Poggio, _ ...
  • H.Wersing and E. Koerner, "Learning optimized features for hierarchical models ...
  • Serre T, Wolf L, Bileschi S, Riesenhuber M, Poggio T, ...
  • A. Hajiany, N. Taheri M., R. Ebrahimpour, with ...
  • Biological Features based _ Mixture of Experts" International conference on ...
  • N. C orporat ion, NVIDIA CUDA programming guide v2.3, available ...
  • J.P. Jones and L.A. Palmer, :An evaluation of the two-d ...
  • P. H. Schiller, B. L. Finlay, and S. F. Volman, ...
  • D.H. Hubel and T.N. Wiesel, "Receptive fields of single neurons ...
  • T. Serre, L.Wolf, and T. Poggio, _ biologically motivated framework ...
  • نمایش کامل مراجع