شناسایی خودرو در تصاویر ماهواره ای با شبکه های کونولوشنال عمیق عصبی

تشخیص اشیا کوچک نظیر ماشین و موتورسیکلت در تصاویر ماهواره ای یک مسئله مشکل است. ویژگی های بسیاری ( نظیر هیستوگرام گرادیان جهت دار ، طرح دوتایی محلی ( موضعی) ، تبدیل ویژگی های مقیاس ثابت، برای ارتقا عملکرد شناسایی اشیاء مورد استفاده قرارگرفته اند ، اما اغلب در محیط های ساده نظیر آنهایی که در جاده ها هستند ، کاربرد دارند. در این مقاله ، ما یک DNN هیبریدی ( HDNN ) را از طریق تقسیم بندی نقشه های لایه پیچشی آخر و حداکثر تجمع DNN در بلوک های متعدد سایزهای میدانی پذیرنده متغیر یا سایزهای میدانی ادغامی بیشینه ارائه کرده ایم که HDNN را قادر به استخراج ویژگی هایی با مقیاس متغیر ( مختلف) می نماید . نتایج تجربی مقایسه ای نشان می دهند که HDNN پیشنهادی ما نسبت به DNN های قدیمی در شناسایی خودروها به طور چشمگیری ، بهتر عمل می کند.

کلیدواژه ها:

پردازش تصویر ، شبکه عصبی ، کانولوشن ، تشخیص خودرو ، تصاویر ماهواره ای