تشخیص اشیا

اشیایی که توسط ماژول DNN از کتابخانه‌ی OpenCV تشخیص داده شدند. مدل استفاده شده YOLOv3 بوده که بر روی دیتاست COCO با توانایی تشخیص اشیا از 80 کلاس متفاوت، آموزش دیده است.

تشخیص اشیا

یک تکنیک بینایی ماشین می باشد و هدف آن یافتن اشیا در عکس ها و یا ویدیوها می باشد. الگوریتم های تشخیص اشیا از شیوه های یادگیری ماشین و یادگیری عمیق استفاده می کنند. معمولا اشیای هدف، به کلاس های خاصی تعلق دارند و در نتیجه ی آن، کاربردهایی از قبیل تشخیص چهره و یا انسان در همین دسته قرار می گیرد.

روش های جدیدتر این مسئله، عموما به دو دسته ی "تک مرحله ای" و "دو مرحله ای" تقسیم می شوند. روش تک مرحله ای زودتر به نتیجه می رسد و سرعت بالاتری دارد. اما روش دو مرحله ای به دقت و درستی اهمیت بیشتری می دهد.

کاربردها

تکنولوژی اصلی ماشین های پیشرفته از تشخیص اشیا استفاده می کند که به ماشین ها این توانایی را می دهد که هنگام رانندگی، تعداد ماشین های جلو، فرم جاده، و حضور موجود زنده یا اشیای بی جان تشخیص دهد.

همچنین در نظارت ویدیوها و یا استخراج بخش های مهم عکس ها کاربرد دارد.

با متدهای تشخیص اشیا، می توان تعداد اشیای یک صحنه را یافت و بر روی موقعیت دقیق آنها همزمان با نگه داری برچسبشان، نظارت کرد.

و البته با روش های تشخیص اشیا، می توان به تشخیص گوشه ها و زوایا پرداخت و برای مثال عکسی را که از یک فرم کج گرفته شده را بعد از تشخیص گوشه هایش، صاف کرد.

مفهوم

هر شی ویژگی خاص خود را دارد که الگوریتم با توجه به آن ها می تواند اشیا را گروه بندی کند. یکی از چالش های تشخیص اشیا نیز به همین دلیل ایجاد می شود. چون ممکن است اشیایی که بررسی می کند از یک کلاس باشند اما از زوایا و یا سایزهای متفاوتی باشند و در نتیجه در تشخیصشان خطا رخ دهد. اما در کل مفهوم کلی تشخیص اشیا این است که با یاد گرفتن الگویی که به دنبالش است، اشیایی که با آن الگو صدق می کنند را بیابد.

روش ها

مقایسه‌ی سرعت و درستی تشخیص‌دهنده های مختلف بر روی دیتاست COCO testdey.cocodataset.org (All values are found in https://arxiv.org articles by the authors of these algorithms.)

روش های مختلفی برای حل این مسئله وجود دارد. که می توان به طور کلی آنها را یا عضوی از روش های شبکه عصبی دید و یا خیر. اگر از روش های شبکه عصبی استفاده نکنیم مهم است که ویژگی ها را ابتدا تعریف کنیم. روش های ذکر شده در زیر برای یافتن این ویژگی ها مناسب هستند.

• روش‌های غیر مبتنی بر شبکه‌های عصبی:
  • Viola–Jones object detection framework بر اساس Haar features
  • Scale-invariant feature transform (SIFT)
  • Histogram of oriented gradients (HOG) ویژگی ها

حال بعد از توصیف این ویژگی ها، می توانیم از تکنیکی مانند ماشین بردار پشتیبانی استفاده کنیم تا دسته بندی را انجام دهیم.

روش های شبکه ی عصبی اما بدون اینکه نیاز به تعریف ویژگی ها داشته باشند می توانند اشیا را تشخیص دهند و روش کلی آن ها استفاده از شبکه ی عصبی پیچشی شبکه عصبی پیچشی می باشد. در لینک های زیر می توانیم چند روش را مطالعه کنیم. توضیح این الگوریتم ها از بحث به صورت مستقیم خارج است. اما کتابخانه های بسیاری در زبان پایتون، این مدل ها را به صورت آماده دارند و می توان با فاین-تیون آن ها، این الگوریتم ها و مدل ها را به طوری شخصی سازی کرد که تنها اشیای مد نظر و خاصی را تشخیص دهند.

• روش‌های مبتنی شبکه‌های عصبی:
  • Region Proposals (R-CNN, Fast R-CNN, Faster R-CNN, cascade R-CNN.)
  • Single Shot MultiBox Detector (SSD)
  • You Only Look Once (YOLO)
  • Single-Shot Refinement Neural Network for Object Detection (RefineDet)
  • Retina-Net
  • Deformable convolutional networks

مباحث مرتبط

• تشخیص ویژگی‌ها، بینایی کامپیوتر Feature detection (computer vision)

• تشخیص اشیای متحرک Moving object detection

• تشخیص اشیای کوچک Small object detection

• طرح کلی تشخیص اشیا Outline of object recognition

• الگوریتم تکنومو فرناندز Teknomo–Fernandez algorithm

مراجع

• "Object Detection". paperswithcode. Retrieved 2022-12-23.

• "Object Detection". wikipedia. Retrieved 2022-12-23.

• "Introduction to Object Detection Model Evaluation". Déborah Mesquita. Retrieved 2022-12-23.

لینک‌های دیگر

• Multiple object class detection

• Spatio-temporal action localization

• Video object detection and co-segmentation

This article "تشخیص اشیا" is from Wikipedia. The list of its authors can be seen in its historical and/or the page Edithistory:تشخیص اشیا. Articles copied from Draft Namespace on Wikipedia could be seen on the Draft Namespace of Wikipedia and not main one.

---

 Facebook Page

 Follow us on Twitter !

Read or create/edit this page in another language

• تشخیص اشیا in English