دسته بندی:

یادگیری ماشین - machine learning

---

سال انتشار:

2018

---

ترجمه فارسی عنوان مقاله:

بینایی ماشین و تکنیک های یادگیری عمیق برای شناسایی و ردیابی عابرپیاده : یک مرور

---

عنوان انگلیسی مقاله:

Computer Vision and Deep Learning Techniques for Pedestrian Detection and Tracking: A Survey

---

منبع:

ScienceDirect- Elsevier- Preprint submitted to Neurocomputing March 8, 2018

---

نویسنده:

PT Antonio Brunettia, Domenico Buongiornob, Gianpaolo Francesco Trottac, Vitoantonio Bevilacquaa

---

چکیده انگلیسی:

Pedestrian detection and tracking have become an important field in the computer vision research area. This growing interest, started in the last decades, might be explained by the multitude of potential applications that could use the results of this research field, e.g. robotics, entertainment, surveillance, care for the elderly and disabled, and content-based indexing.
In this survey paper, vision-based pedestrian detection systems are analysed based on their field of application, acquisition technology, computer vision techniques and classification strategies. Three main application fields have been individuated and discussed: video surveillance, human-machine interaction and analysis. Due to the large variety of acquisition technologies, this paper discusses both the differences between 2D and 3D vision systems, and indoor and outdoor systems.
The authors reserved a dedicated section for the analysis of the Deep Learning methodologies, including the Convolutional Neural Networks in pedestrian detection and tracking, considering their recent exploding adoption for such a kind systems.
Finally, focusing on the classification point of view, different Machine Learning techniques have been analysed, basing the discussion on the classification performances on different benchmark datasets. The reported results highlight the importance of testing pedestrian detection systems on different datasets to evaluate the robustness of the computed groups of features used as input to classifiers.
Keywords: Pedestrian Detection | Human Tracking | Deep Learning | Convolutional Neural Network | Machine Learning | Artificial Neural Network | Features Extraction

---

چکیده فارسی:

شناسایی و ردیابی عابرپیاده به یک میدان مهم در زمینه تحقیقات دیداری رایانه‌ای تبدیل شده‌است . این علاقه رو به رشد , که در دهه‌های اخیر آغاز شد, ممکن است توسط بسیاری از برنامه‌های کاربردی بالقوه توضیح داده شود که می‌توانند از نتایج این زمینه تحقیقاتی استفاده کنند , به عنوان مثال رباتیک , سرگرمی , مراقبت , مراقبت از سالمندان و معلولین , و شاخص مبتنی بر محتوا .
در این مقاله ، سیستم‌های شناسایی عابرپیاده مبتنی بر بینایی براساس زمینه کاربرد ، فن‌آوری اکتساب ، تکنیک‌های دیداری رایانه‌ای و استراتژی‌های طبقه‌بندی تحلیل می‌شوند . سه زمینه کاربردی اصلی مورد بحث قرار گرفته‌اند : نظارت ویدیویی ، تعامل انسان - ماشین و آنالیز . به خاطر تنوع زیاد فناوری ، این مقاله هر دو تفاوت‌های بین سیستم‌های دید دوبعدی و سه‌بعدی و سیستم‌های داخلی و بیرونی را مورد بحث قرار می‌دهد .
نویسندگان یک بخش اختصاصی را برای تجزیه و تحلیل روش‌های یادگیری عمیق ، از جمله شبکه‌های عصبی مصنوعی در شناسایی و ردیابی عابران پیاده، در نظر گرفتن کاربرد اخیر آن‌ها برای چنین سیستم‌هایی که اخیرا ً مورد استفاده قرار گرفته‌اند ، اختصاص دادند .
در نهایت ، تمرکز بر روی دیدگاه طبقه‌بندی ، تکنیک‌های یادگیری ماشینی مختلف مورد تجزیه و تحلیل قرار گرفت ، و بحث بر روی عملکرد طبقه‌بندی بر روی مجموعه داده‌های معیار مختلف را مبنا قرار داد . نتایج گزارش‌شده بر اهمیت سیستم‌های شناسایی پیاده‌رو در مجموعه داده‌های مختلف برای ارزیابی نیرومندی گروه‌های محاسباتی مورد استفاده در ورودی طبقه‌بندی کننده‌ها تاکید می‌کند .
واژه های کلیدی: شناسایی عابرپیاده | ردیابی انسان | یادگیری عمیق | شبکه عصبی مصنوعی | یادگیری ماشین | شبکه عصبی مصنوعی | مشخصه‌های استخراج

---

---

---

---

حجم فایل: 1016 کیلوبایت

---

قیمت: 65000 تومان   

---

توضیحات اضافی:

یک مقاله جامع و کامل و مروری (survey) در حوزه یادگیری ماشین و یادگیری عمیق

---

---

---