به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

با سلام
موضوع من برای پایان نامه ارشد، کار روی یک مقاله تشخیص اشیاء در یک تصویر هست. برای پیاده سازی قسمت یادگیری عمیق مقاله از کافه استفاده می کنم. ولی از نظر نوآوری و ارتقاء مقاله به مشکل برخوردم و الان فرصت برای تغییر موضوع نیست. اگر ممکنه کسایی که تجربه پردازش تصویر دارن با نگاه مختصر به این موضوع، با نظر خودشون برای بهتر کردن کار مقاله راهنمایی کنن.

مقاله مربوط به تشخیص خودروها در تصویر ماهواره ای هست.
شکل زیر، ساختار شبکه عمیق رو نشون میده که فیلترهای لایه آخر رو به سه دسته با اندازه های مختلف تقسیم کرده (برای استخراج ویژگی ها با اندازه های مختلف):
ساختار شبکه عصبی
شکل زیر هم عمل preprocessing با استفاده از gradient عکس ها رو نشون میده:
استخراج ویژگی ها
این لینک مقاله هست:

توسط (127 امتیاز)

1 پاسخ

+1 امتیاز

این مقاله خیلی قدیمی هست . من پیشنهاد میکنم شما حتما روی مقاله های جدیدتر تمرکز کنید.
تو زمینه Detection مقاله های fast rcnn, faster rcnn ,Yoloو اخیرا هم SSD رو حتما بخونید
بعد تمرکزتون یا روی بهینه سازی این روشها باشه یا معماری . این قضیه سرعت و این مواردی هم که تو این مقاله اومده الان داستانش خیلی عوض شده معماری ها و پیاده سازی ها خیلی بهینه شدن و حتما شما اخرین مقالات این زمینه رو بخونید نه انقدر قدیمی .
اینم عرض کنم که مقاله های بالایی در مورد detection هستن شما رو دوتا زمینه سرچ کنید یکی بصورت خاص همین car detection و بعدی هم object detection تا از دستاوردهای هر دو حوزه با خبر باشید .

توسط (4.3k امتیاز)
خیلی ممنون از جوابتون. مقاله هایی که اسم بردین رو قبلا نگاه کردم. یکی از اساتید چینی، مقایسه ی مقاله های SSD و YOLO با روش های قبلی رو به عنوان موضوع پیشنهاد کردن. ولی مشکل این روش ها اینه که در مورد تصاویر ماهواره ای و اشیاء کوچک، جواب خوبی نمیدن. دیتاست من خودرو هست که برای caffe آماده کردم. می خواستم اگر ایده ای در نظرتون هست (مثل تغییر مختصر ساختار شبکه یا روش جدید preprocessing) که مناسب این موضوع باشه ، راهنمایی کنید. متشکر
شما معماری های جدید رو تست کردید ؟‌
مشکل این روشها رو چطور متوجه شدید ؟‌تست کردید یا حدس میزنید که روی اشیا کوچیک خوب جواب نمیدن؟‌ اصلا یک کار شما میتونه فعالیت رو بهبود این الگوریتم ها باشه رو همین زمینه چی باعث میشه که این مساله رو پیگیری نکنید ؟‌
معماری ها رو تست نکردم، اما چون اندازه اشیاء این دیتاست،  تقریبا همه با هم یکسانه، بعضی قسمت های این معماری ها یا مثلا مقاله overfeat حدس میزنم که مناسب نباشه (یعنی به اون مقدار حجم لایه ها و پردازش نیاز نباشه). چون خیلی آشنایی با مباحث پردازش تصویر ندارم، خواستم کسی که مسلط هست راهنمایی کنه. شما برای بهبود این الگوریتم ها روی زمینه تشخیص اشیاء تصاویر ماهواره ای پیشنهادی به نظرتون میرسه؟
شما گام اولتون باید تست با معماری های جدید باشه. خیلی از اون تصاویر با اندازه بالا که میبینید خیلی سریع کاهش ابعاد پیدا میکنن تا به اندازه های کوچیک برسن و بعد پروسه طی میشه . شما میتونید اگه دیتای کافی دارید اگر هم ندارید با دیتا اگمنتیشن و یا حتی فاین تونینگ از معماری های عمیق تر استفاده کنید و نتایج خوبی بگیرید. من خودم تو این حوزه کار نکردم بنابر این صاحب نظر نیستم  .اما با توجه به تجربه مختصری که دارم پیشنهاد میکنم اول با معماری های جدید تست کنید و نتیجه رو ببینید . و حتی میتونید سرمایه گذاری شما رو بهینه سازی معماری باشه که این لازمه اش آشنایی با معماری های جدید هست.
...