کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4969784 1449980 2017 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Accurate object detection using memory-based models in surveillance scenes
ترجمه فارسی عنوان
تشخیص دقیق با استفاده از مدل های مبتنی بر حافظه در صحنه های نظارت
کلمات کلیدی
ترجمه چکیده
تشخیص شی گام مهمی از نظارت هوشمند است. روش های موجود، به لحاظ فنی طراحی یا یادگیری ویژگی های خاص و مدل های تشخیص، به اهدافشان دست می یابند. برعکس، ما یک روش موثر برای تشخیص دقیق شیء پیشنهاد می کنیم که از طریق مکانیزم حافظه و پیش بینی در مغز ما الهام گرفته شده است. در ابتدا یک پنجره ثابت اندازه بر روی یک تصویر ثابت برای ایجاد یک توالی تصویر اسلاید شده است. سپس یک شبکه عصبی کانولوشن یک توالی ویژگی از توالی تصویر را استخراج می کند. در نهایت، حافظه طولانی مدت این ویژگی های پی در پی به منظور حفظ و تشخیص الگوهای تکراری را دریافت می کند. مشارکت ما 1) یک مدل طبقه بندی مبتنی بر حافظه است که در آن هر دو یادگیری ویژگی و یادگیری یکپارچه یکپارچه و 2) یک مدل پیش بینی مبتنی بر حافظه است که به ویژه برای پیش بینی مکان های موقعیت احتمالی در صحنه های نظارت طراحی شده است. در مقایسه با برخی از روش های پیشرفته، روش ما به بهترین وجه در شرایط دقت در سه مجموعه داده های نظارتی به دست می آید. روش ما می تواند برخی از بینش های جدید در مورد تحقیقات تشخیص شیء ارائه دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
Object detection is a significant step of intelligent surveillance. The existing methods achieve the goals by technically designing or learning special features and detection models. Conversely, we propose an effective method for accurate object detection, which is inspired by the mechanism of memory and prediction in our brain. Firstly, a fix-sized window is slid on a static image to generate an image sequence. Then, a convolutional neural network extracts a feature sequence from the image sequence. Finally, a long short-term memory receives these sequential features in proper order to memorize and recognize the sequential patterns. Our contributions are 1) a memory-based classification model in which both of feature learning and sequence learning are integrated subtly, and 2) a memory-based prediction model which is specially designed to predict potential object locations in the surveillance scenes. Compared with some state-of-the-art methods, our method obtains the best performance in term of accuracy on three surveillance datasets. Our method may give some new insights on object detection researches.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 67, July 2017, Pages 73-84
نویسندگان
, , , , , ,