(205 امتیاز از 52 رای)
Loading...پروژه الگوریتم ازدحام ذرات بهینه بر پایه آدابوست جهت تشخیص اشیا با نرم افزار MATLAB
در این پیاده سازی به رویکرد استفاده از الگوریتم ازدحام ذرات بر پایه آدابوست جهت شناسایی و تشخیص اشیا پرداخته شده است. همانطور که در مقاله ذکر گردیده، منظور از اشیا، یک بخش کلی می باشد. ما با توجه به مقاله، بخش تشخیص صورت و چهره افراد را در نظر گرفته ایم. در روش های قبلی این کار، از روش هایی مانند جستجوی جامع یا بروت فورس (Exhaustive Search / Brute Force) برای پیدا کردن مشخصه ها خوب اشیا جهت ساختار ایجاد طبقه بندی با کمک آدابوست استفاده می شد. در این مقاله با توجه به دو روش قبلی این کار، و استفاده از الگوریتم PSO، طبقه بندی، شناسایی و تشخیص صورت گرفته است.
توضیحات بیشتر و تصاویری از خروجی پروژه در ادامه مطلب …
اولین استفاده از PSO، جهت استخراج و انتخاب ویژگی های خوب است و جهت طبقه بندی معمولی، استفاده از روش ریشه تصمیم ساده (Simple Decision Stump) است. استفاده دوم از PSO جهت استخراج، انتخاب ویژگی و استخراج طبقه بندی ها به روش موازی می باشد. این دو روش به منظور وظیفه شناسایی و تشخیص اشیا در دو بخش بررسی و مقایسه می شوند: تشخیص و شناسایی رشته های ماکارونی و بخش چهره که همانطور که ذکر کردیم، ما به بخش چهره آن پرداخته ایم. زیرا دیتاست این بخش را داریم.
نتایج تجربی و شبیه سازی شده نشان می دهد که استفاده از PSO جهت انتخاب ویژگی های مستقل خوب و استفاده از آدابوست به منظور استخراج موارد طبقه بندی شده، بسیار موثرتر از انتخاب فقط مشخصه یا ویژگی ها می باشد. در این مقاله به تاکیئد بیشتر استفاده از بخش چهره شده است تا جاییکه در بخش های ابتدایی مقاله به استخراج و انتخاب ویژگی های چهره در شناسایی و تشخیص چهره ها با PSO پرداخته است و مورد به صراحتا ذکر گردیده است.
کارهای آتی در راستای این پروژه:
همانطور که مستحضر هستید، می توان از روش های مختلف دیگری نیز در راستای شناسایی و تشخیص اشیا (هر شی ای) استفاده نمود. در مقاله استفاده از PSO و Adaboost با اهداف گفته شده ذکر گردیده است و در پیاده سازی اعمال شده است. در ادامه کارهای دیگری که در رساتای این پروژه انجام شده است را درج کرده ایم که در صورت نیاز می توانید پیاده سازی آن ها را نیز خریداری بفرمایید.
روش های دیگری که ما از آنها به منظور تشخیص اشیا استفاده کرده ایم و پیاده سازی آنها را تحت متلب آماده داریم:
– استفاده از الگوریتم Genetic و شبکه عصبی MLP
– استفاده از الگوریتم Bee Colony و شبکه عصبی MLP
– استفاده از الگوریتم Ant colony و شبکه عصبی MLP
– استفاده از الگوریتم Genetic و شبکه عصبی SOM
– استفاده از الگوریتم PSO و شبکه عصبی SOM
– استفاده از الگوریتم PSO و شبکه عصبی Neocognitron
– استفاده از الگوریتم PSO و SVM و فیلتر Gabor
– استفاده از الگوریتم ICA و شبکه عصبی ART
– استفاده از الگوریتم Genetic و شبکه عصبی ART
.
(جهت بزرگنمایی تصاویر برروی آنها کلیک نمائید)
هیچ نظری ثبت نشده است