دانلود رایگان ترجمه مقاله تشخیص خودرو از طریق سوپرپیکسل ها (آی تریپل ای ۲۰۱۶)

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

مدل های ضمنی مبتنی بر ظاهر: یک مدل ضمنی مبتنی بر ظاهر معمولا شامل شدت تصویر یا ویژگی های بافتی می شود که توسط پنجره یا هسته کوچک محاسبه می شوند که پیکسل داده شده یا خوشه ای کوچکی از پیکسل ها را احاطه می کند.سپس، تشخیص توسط آزمایش بردار های ویژگی پیکسل های اطراف میانی تصویر انجام می گیرد.Cheng و همکارانش با استفاده از شبکه های Bayesian پویا برای تشخیص وسایل نقلیه از نظارت هوایی، نتایج امید دهنده ای در مجموعه داده های چالش بر انگیز بدست آوردند.ولی مدل رنگ،که مخصوصا برای جداسازی ماشین ها از زمینه طراحی شده هنوز هم نمی تواند از تشخیص اشتباه بدلیل همپوشانی ماشین ها و مدل های رنگ زمینه جلوگیری کند.مشکل دیگر این است که رویکرد باید باعث ترکیب پیکسل های تشخیص داده شده به تک وسایل نقلیه شود که زمانی که وسایل نقلیه در مجاورت کوچکی پارک شده اند، وظیفه ای مشکل و سخت می شود.علاوه بر این،آزمایش و بررسی تشخیص در تمامی پیکسل ها،نه تنها پیچیدگی محاسبات را افزایش می دهد بلکه نرخ تشخیص اشتباه را افزایش می دهد.Shao و همکارانش ابتدا تشخیص وسایل نقلیه با استفاده از ویژگی های متعدد( برای مثال HOG ، طرح محلی باینری،و هیستوگرام مخالف) و هسته تقاطع SVM را بررسی کردند.مشابه آن ،Moranduzzo و Melgani ،SIFT و SVM را برای تشخیص ماشین ها از تصاویر وسایل نقلیه هوایی غیرنامگذاری شده ترکیب کردند.Kembhavi و همکارانش ماشین ها را از تصاویر هوایی با وضوح بالا با بکارگیری حداقل مربعات جزیی ، تحلیل قدرتمند انتخاب ویژگی، و توضیح دهنده ویژگی اضافی تشخیص دادند که شامل نقشه های احتمال رنگ ،ویژگی های HOG ، و مقایسات زوج پیکس ها هستند که ویژگی های ساختاری یک ماشین را بدست می آورند.کار آنها عملکردی چشمگیر را نشان می دهد.Moranduzzo و Melgani رویکردی مبتنی برا کاتالوگ برای تشخیص ماشین ها در تصاویرUAV پیشنهاد دادند.ولی کاربرد آن به حس های مخصوص محدود است چرا که باید از جاده آسفالت شده به عنوان راهنمای اولیه استفاده کند.مشکل دیگر این است که باید پیکسل های تشخیص داده شده را در وسایل نقلیه فرد و تک(منظور تمامی پیکسل هارا ترکیب کرده و بعنوان یک عکس به عنوان وسیله نقلیه نمایش دهد) باترکیب کند.Hinz و Baumgartner ویژگی های وسایل نقلیه بر اساس مدل وسیله نقلیه سلسله مراتبی استخراج کردند که سطوح مختلفی را شرح می دهد.Khan و همکارانش ویژگی های وسیله نقلیه را بر اساس مدل ۳بعدی استخراح کردند.Wang و همکارانش مدل شکل ضمنی و رای دادن Hough را برای تشخیص ماشین در نقاط ابری ۳بعدی بکار گرفتند که نتایج چشمگیری حاصل شد.
مدل های صریح و روشن:در مورد مدل صریح و واضح، یک وسیله نقلیه معمولا توسط یک جعبه،ارائه به عنوان قاب، و یا مدل مورفولوژیکی توصیف می شود.تشخیص ماشین توسط تطابق مدل ماشین با تصویر با استفاده از استراتژی “بالا-پایین” یا ” پایین-بالا” انجام می گیرد.Zheng و همکارانش از تبدیل گشایش سیاه و سفید و تبدیل بالا-کلاه سیاه و سفید برای شناسایی وسایل نقلیه احتمالی در پس زمینه روشن ویا سفید استفاده کرده و از تبدیل خاتمه دهنده سیاه و سفید وتبدیل پایین-کلاه برای شناسایی وسایل نقلیه احتمالی در پس زمینه های سیاه و بی نور استفاده کردند.سپس اطلاعات سایز و اندازه برای حذف هشدار های اشتباه بکار گرفته می شود.رویکرد آنها عملکرد خوبی در تصاویر هوایی بزرگ راه ها نشان می دهد ولی تخمین های مقدار خاکستری پس زمینه و اطلاعات جغرافیایی داده های سیستم مورد نیاز است. در نتیجه ، این روش برای صحنه های عمومی مناسب نیست.یک وسیله نقلیه همچنین به عنوان جعبه ۳بعدی با ابعاد عرض و طول و ارتفاع نمایش داده شده است.
مطالعات زیادی انتخاب نمونه از مقادیر زیادی داده های آموزشی را مطالعه کرده اند.Zhou و همکارانش روش کاهش نمونه برای متوجه کردن مشکل غیرمتعادل بودن نمونه های SVM پیشنهاد داد.Nie و همکارانش روش فعالی برای انتخاب نمونه های با بیشترین نمایندگی و نمایان گری (منظور جامع بودن نمونه ها به نمایندگی از بقیه نمونه ها) برای برچسب زدن در مرحله آموزش فعال اولیه برای کاهش کارها و وظایف دستی و غیرخودکار پیشنهاد داد.آنها از روش تکرار برای انتخاب زیرمجموعه های نمونه های با نمایندگی بیشتر با استفاده از نرم ها و استانداردهای موثر و ایجاد کننده پراکندگی استفاده کردند.با این وجود این روش هنوز زمان بر است.
معمولا دو عیب و نقص روش های تشخیص ماشین با استفاده از مدل صریح و روشن مشخص و واضح است.اول، تشخیص معمولا بر اساس لبه های مشخص شده است که منجر به نامستحکم بودن در برابر نویز و پس زمینه پیچیده می شود .دوم ، این روش ها عملکرد ضعیفی در حالات انسداد جزیی و تغییرات شکل دارند چرا که مدل های ماشین ها از قبل بصورت شدید و استواری تعریف شده اند.اکثر روش های تشخیص ماشین بروز( حتی نرم افزار های تجاری) برای حس از دور دست تصاویر، از مدل ضمنی بدلیل توانایی تعمیم بهتر آن استفاده می کنند
ولی روش های موجود که مدل ضمنی را استفاده می کنند هنوز از ۲ مشکل زیر رنج می برند.
اول اکثر روش ها بر اساس پیکسل هستند و یا از یک پنجره لغزنده با مرحله لغزنده حین تشخیص استفاده می کنند. روش های مبتنی بر پیکسل محاسبات سنگینی دارند. علاوه بر این، این روش ها باید پیکسل های تشخیص داده شده را به یک عکس تک بازترکیب کنند که وقتی وسایل نقلیه در محدوده نزدیک بهم پارک شده باشند امری سخت و مشکل می شود.در روش های پنجره لغزنده، مرحله و گام لغزنده سرعت پردازش و نرخ فراخوانی تشخیص را تحت تاثیر قرار می دهد.یک گام لغزنده بزرگ ممکن است باعث سرعت زیاد پردازش شود ولی باعث کاهش در نرخ فراخوانی می شود.یک گام لغزنده کوچک ممکن است نرخ فراخوانی را کاهش دهد ولی منجر به هزینه محاسباتی زیاد می شود.برقراری تعادل بین نرخ فراخوانی تشخیص و سرعت پردازش مشکل است.استراتژی کارآمدتر اسکن کردن برای بهبود کارایی اسکن کردن مطلوب است.
دوم، نمونه های آموزشی بصورت دستی یا حتی تصادفی انتخاب شده اند.انتخاب دستی نمونه های آموزشی زمان بر است. برای تشخیص وسایل نقلیه در تصاویر هوایی ،پس زمینه پیچیده باعث تعداد زیاد نمونه های منفی می شود که انتخاب دستی زیرمجموعه آموزشی منفی بهینه را دشوار می سازد.با در نظر گرفتن روش انتخاب تصادفی،ممکن است باعث ایجاد عملکرد غیر پایدار شده و معمولا به عملکرد بهینه دست نمی یابد.روش کارآمد انتخاب نمونه های آموزشی نیازمنده بوجود آمدن است.
در نتیجه، نیاز زیادی برای استخراج روشی برای حل ۲مورد بالا وجود دارد.

۳٫ راه حل پیشنهادی
A. چارچوب
همانگونه که در شکل ۱ نشان داده شده استچارچوب کلی روش پیشنهادی ما شامل ۲ مرحله آموزش فرهنگ جامع و تشخیص ماشن است.در مرحله آموزش، تصاویر آموزشی ابتدا توسط روش تولید سوپرپیکسل به سوپرپیکسل ها تقسیم می شود.بر اساس مراکز سوپرپیکسل ها ،قطعات مهم را به عنوان مجموعه آموزشی تولید میکنیم.سپس زیرمجموعه آموزشی کوچکی برای شروع اولیه فرهنگ پراکنده کوچک انتخاب میکنیم.در روش ما ، شبکه توصیف کنندگانHOG قطعات ، به عنوان ورودی فرهنگ و دیکشنری استخراج می شوند. توسط دیکشنری آموزش یافته ،شباهت بین نمونه های آموزشی باقی مانده و ماشین ها را تخمین میزنیم.نمونه های منفی با بالاترین شباهت و نمونه های مثبت با کمترین شباهت برای افزوده شدن به زیرمجموعه آموزشی انتخاب می شوند تا یک دیکشنری جدید را برای تکرار بعدی انتخاب نمونه ها آموزش دهد.تکرار انتخاب نمونه های آموزشی تا رسیدن به همگرایی ادامه می یابد.در این مقاله ۲ وضعیت به عنوان حالات همگرایی مد نظر قرار گرفته اند. اول دیکشنری آموزش یافته شامل بیش از ۲۰۰۰ ایتم و جز است.دوم دقت طبقه بندی تصاویر ازمایشی در نرخ فراخوانی ۰٫۷ بیش از ۸۰ درصد است. زمانی که همگرایی اتفاق افتاد،دیکشنری ارائه پراکنده را برای شناسایی وسایل نقلیه بکار میگیریم.
در مرحله تشخیص، تصویری آزمایشی ابتدا به سوپر پیکسل هایی که بر اساس مراکز آن ها تصویر آزمایشی را با کارایی بالا اسکن می کنیم، بخش بندی می شوند .براساس کد های پراکنده در طی اسکن کردن، کاندید های قطعات به ماشین ها و پس زمینه طبقه بندی می شود.

B. بخش بندی سوپرپیکسل
در روش پیشنهادی ما ،بخش بندی سوپرپیکسل یک مرحله مهم است. شکست بخش بندی سوپرپیکسل تعریف شده به عنوان قطع ارتباط بین بخش بندی ها،دقت مکان اسکن کردن و عملکرد تشخیص را تحت تاثیر قرار می دهد. برای بدست آوردن بخش بندی سوپرپیکسل با شکست کم ، روش بخش بندی سوپرپیکسل که مخصوص چارچوب خودمان طراحی شده را ارائه کردیم.