بهبود شناسايي اشياء در شبكه‌ها‌ي عصبي كانولوشني با بهره‌گيري از اطلاعات زماني در توالي فريم‌هاي ويدئويي

شناسايي شيء يكي از زمينه‌هاي بينايي ماشين است كه در حال حاضر به‌شدت مبتني بر يادگيري ماشين است. در دهة گذشته، بخش عمده‌اي از يادگيري ماشين كه تحت عنوان شبكه‌هاي عصبي عميق نيز شناخته مي‌شود با پيشرفت در توانايي محاسبات و دسترسي به داده، كاربردهاي فراواني داشته‌اند.يكي از زيرمجموعه‌هاي شبكه عصبي كه براي وظايف مرتبط با تصوير مناسب است شبكه عصبي كانولوشني نام دارد. اين شبكه آموزش مي‌بيند تا ويژگي‌هاي مختلف مانند لبه‌ها، گوشه‌ها و تفاوت‌هاي رنگ را در سراسر تصوير جستجو كند و آن‌ها را به شكل‌هاي پيچيده‌تر تركيب كند. براي تشخيص شيء، سيستم بايد مكان‌هاي اشياء احتمالي را تخمين‌زده و طبقه‌بندي كند. شناسايي شيء با شبكه‌هاي كانولوشن هنوز هم به‌عنوان يك تكنولوژي در حال تكامل است، برخلاف ديگر روش‌هاي تشخيص كه ديگر كاربرد چنداني ندارند. استفاده از اطلاعات زماني در شبكه‌هاي كانولوشني باعث افزايش دقت در طبقه‌بندي ‌مي‌شود. در اين مقاله با تغيير لايه‌هاي تماماً متصل شبكه‌هاي عصبي كانولوشني و با بهره‌گيري از اطلاعات زماني در توالي فريم‌هايي از ويدئو با استفاده از فيلتر كالمن عملكرد سيستم‌هاي شناسايي به‌طور قابل ملاحظه‌اي بهبود مي‌يابد.با استفاده از اين شبكه جديد و طبقه‌بند SVM به دقت 95.3% بر روي پايگاه داده Washington RGB Object Dataset دست مي‌يابيم.