تشخیص وضعیت لغزندگی جاده با استفاده از تصاویر دوربینهای جادهایی مبتنی بر شبکههای عصبی پیچشی و یادگیری انتقالی | ||
| پدافند الکترونیکی و سایبری | ||
| دوره 10، شماره 2 - شماره پیاپی 38، پاییز 1401، صفحه 105-116 اصل مقاله (1.86 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| محمد امین گیاهبان1؛ محمد حسن شجاعی فرد2؛ عبدالله امیرخانی* 3 | ||
| 1کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران | ||
| 2استاد، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران | ||
| 3استادیار، دانشکده مهندسی خودرو، دانشگاه علم و صنعت ایران، تهران، ایران | ||
| چکیده | ||
| تشخیص وضعیت لغزندگی سطح جاده امری مهم در راستای افزایش امنیت جاده و سرنشینان و همچنین توسعه خودروهای خودران و فناوریهای مرتبط با آن است. در این راستا پژوهشهای مختلفی با روشها و حسگرهای متفاوت، با استفاده از دادههای گوناگونی نظیر تصویر، صوت و فرکانس موج صورت گرفتهاست. این مقاله بدون استفاده از حسگرها و روشهای پرهزینه تنها با استفاده از تصاویر دوربینهای مداربسته موجود در جادهها و بهرهگیری از شبکههای عصبی پیچشی انجام شده است. ایده اصلی پژوهش جاری استفاده از رویکرد یادگیری انتقالی است. بنابراین در ابتدا اهمیت و مزایای استفاده از یادگیری انتقالی، در قالب آموزش شبکهای با ساختار InceptionNetv3 بیان شده است. در مرحله بعد با استفاده از چارچوبی جدید به نام GFNet، شبکه عصبی پیچشی ResNet50 و شبکه عصبی بازگشتی با یکدیگر ترکیب و با استفاده از یادگیری انتقالی آموزش داده شدهاند. درنهایت شبکهای با توانایی تشخیص سطح جاده، در سه دسته خشک، خیس و برفی با دقتی بالغ بر 96% بهدست آمده است. | ||
| کلیدواژهها | ||
| شبکههای عصبی پیچشی؛ یادگیری انتقالی؛ یادگیری عمیق؛ امنیت جاده؛ طبقهبندی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,020 تعداد دریافت فایل اصل مقاله: 623 |
||