کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6854369 1437428 2016 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Adapting pedestrian detectors to new domains: A comprehensive review
ترجمه فارسی عنوان
آشکارسازهای عابر پیاده به دامنه های جدید: بررسی جامع
کلمات کلیدی
انطباق دامنه، تشخیص عابر پیاده، یادگیری ویژگی آشکارساز خاص صحنه انتقال یادگیری،
ترجمه چکیده
تشخیص موفقیت آمیز و محلی سازی عابران پیاده یک هدف مهم در دید کامپیوتری است که یک منطقه اصلی در هوش مصنوعی است. آشکارسازهای پیشرفته عابر پیاده پیشنهاد شده در ادبیات، عملکرد قابل توجهی در مجموعه داده های خاصی به دست آورده اند. با این حال، اشاره شده است که این آشکارسازها تمایل به انجام بسیار خوب در هنگام استفاده به صحنه های خاص است که با برخی از انواع داده های آموزشی متفاوت است. به همین دلیل، روشهای انطباق دامنه به منظور تطبیق آشکارسازهای موجود با دامنه های جدید برای بهبود عملکرد در آن حوزه ها محبوب بوده است. یک نیاز واقعی برای بررسی و تحلیلی از الگوریتم های سازگار با دامنه های پیشرفته، به ویژه در زمینه تشخیص شیء و عابر پیاده وجود دارد. در این مقاله، ما نتایج مهم ترین و مطابق با آخرین وضعیت را برای سازگاری دامنه برای داده های تصویری و تصویری مورد بررسی قرار می دهیم، با توجه خاص به تشخیص عابر پیاده. زمینه های مرتبط با انطباق دامنه نیز در بررسی ما گنجانده شده است و ما مشاهدات و نتیجه گیری از مقالات نماینده را تهیه می کنیم و توصیه های عملی ارائه می دهیم که کدام روش ها باید در موقعیت های مختلفی که ممکن است در شرایط واقعی با متخصصین مواجه شوند ترجیح داده شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
آشکارسازهای عابر پیاده به دامنه های جدید: بررسی جامع
چکیده انگلیسی
Successful detection and localisation of pedestrians is an important goal in computer vision which is a core area in Artificial Intelligence. State-of-the-art pedestrian detectors proposed in literature have reached impressive performance on certain datasets. However, it has been pointed out that these detectors tend not to perform very well when applied to specific scenes that differ from the training datasets in some ways. Due to this, domain adaptation approaches have recently become popular in order to adapt existing detectors to new domains to improve the performance in those domains. There is a real need to review and analyse critically the state-of-the-art domain adaptation algorithms, especially in the area of object and pedestrian detection. In this paper, we survey the most relevant and important state-of-the-art results for domain adaptation for image and video data, with a particular focus on pedestrian detection. Related areas to domain adaptation are also included in our review and we make observations and draw conclusions from the representative papers and give practical recommendations on which methods should be preferred in different situations that practitioners may encounter in real-life.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Engineering Applications of Artificial Intelligence - Volume 50, April 2016, Pages 142-158
نویسندگان
, ,