تعداد نشریات | 39 |
تعداد شمارهها | 1,175 |
تعداد مقالات | 8,460 |
تعداد مشاهده مقاله | 6,348,415 |
تعداد دریافت فایل اصل مقاله | 3,599,560 |
تشخیص و رهگیری سلاح گرم و سرد با استفاده از شبکههای یادگیری عمیق | ||
علوم و فناوریهای پدافند نوین | ||
مقاله 1، دوره 13، شماره 4 - شماره پیاپی 50، اسفند 1401، صفحه 217-229 اصل مقاله (1.41 M) | ||
نوع مقاله: کامپیوتر - هوش مصنوعی و رباتیکز | ||
نویسندگان | ||
علی فیضی1؛ کوروش داداش تبار احمدی* 2؛ امین توحیدی فر3 | ||
1دانشجوی کارشناسی ارشد دانشگاه صنعتی مالک اشتر، تهران، ایران | ||
2استادیار دانشگاه صنعتی مالک اشتر، تهران، ایران | ||
3دانشجوی کارشناسی ارشد دانشگاه صنعتی مالک اشتر، تهران، ایران | ||
تاریخ دریافت: 18 خرداد 1401، تاریخ بازنگری: 11 آذر 1401، تاریخ پذیرش: 26 دی 1401 | ||
چکیده | ||
تأمین و افزایش امنیت در مکانهای خاص و عمومی همیشه موردتوجه همه افراد در زمینههای مختلف بوده است. بهمنظور تأمین و افزایش امنیت در مکانهایی عمومی همانند مدارس، دانشگاهها، دفاتر و... اقدامات زیادی ازجمله نصب دوربینهای نظارتی و قراردادن مأمور در محل صورتگرفته است. ازآنجاییکه این دوربینها توسط اپراتورهای انسانی فعالیتهای مشکوک را رصد میکنند، عواملی مانند حواسپرتی، عدم آگاهی، خستگی و بسیاری از عوامل دیگر میتواند روی کیفیت نظارت تأثیر بگذارد، سیستم تشخیص سلاحهای گرم و سرد بهصورت خودکار در صورت تشخیص و شناسایی سلاحهای تعریفشده برای آن میتوانند بهسرعت به مأمورین نظامی و امنیتی پیامهای خاص را اطلاع دهد. در این مقاله بهمنظور تشخیص و رهگیری سلاح گرم (اسلحه کمری) و سلاح سرد (چاقو) از الگوریتم Yolo نسخه 5 برای تشخیص شیء و از الگوریتم Deepsort برای رهگیری استفادهشده است که عملکرد این سیستم در مقاله مورد بررسی قرار گرفته است. درنهایت سیستم پیشنهادی پس از آموزش بهوسیله مجموعه داده اختصاصی متشکل از سلاحهای گرم و سرد عملیات تشخیص سلاح گرم و سرد را بادقت 99.50% انجام میدهد همچنین سیستم پیشنهادی ازنظر مقیاس، چرخش، انسداد دقت مناسبی ارائه داده است. | ||
کلیدواژهها | ||
بینایی کامپیوتر؛ یادگیری عمیق؛ تشخیص اشیاء؛ شبکههای عصبی عمیق؛ تشخیص سلاح سردوگرم | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 1,262 تعداد دریافت فایل اصل مقاله: 524 |