بهبود مدل سلسله مراتبی شناسایی اشیا(hmax) مناسب برای پیاده سازی های سخت افزاری
بهبود مدل سلسله مراتبی شناسایی اشیا(hmax) مناسب برای پیاده سازی های سخت افزاری
رحمان الکتریک1 علیرضا محمدی عنبران2
1) دانشجوی کارشناسی ارشد برق گرایش مخابرات دانشگاه آزاد اسلامی واحد
2) مربی دانشگاه آزاد اسلامی واحد
کد IOI مقاله
:
XYZG-ZACHE
محل انتشار :
دومین کنفرانس بین المللی علوم و مهندسی(2icesconf.com)
چکیده :
روش های مختلف شناسایی اشیا در گستره وسیعی از علوم عصبی و بینایی کامپیوتر کاربرد دارند و در زمینه الکترونیک قدرت ، دستگاه های شناسایی هویت و دسته بندی اشیا و زمینه های دیگر مورد استفاده قرار می گیرند. بیشتر کارهای صورت گرفته بر مبنای انتخاب تکه های بهینه از تصویر ورودی در این مدل ها می باشد، که همگی دارای سرعت محاسباتی پایین هستند برای انجام سریع و زمان حقیقی محاسبات، نیاز به یک ابرکامپیوتر می باشد. ارایه یک روش کارا برای بالا بردن سرعت شناسایی و کاهش میزان محاسبات برای پیاده سازی های سخت افزاری در این مدل ها امری ضروری به نظر میرسد، که بتوانیم مدل را علاوه بر کامپیوتر در یک قطعه الکترونیکی مانند FPGA ، پیاده سازی کنیم. بر این اساس سعی بر آن خواهد بود تا با اصلاحاتی در مدل اصلی سلسله مراتبی شناسایی اشیا HMAX در راستای کاهش محاسبات، خصوصا از نظر سرعت در اجرای سخت افزاری، که عموما با اعداد ممیز ثابت انجام می شود، ایده هایی مطرح شده و با استفاده از شبیه سازی این ایده ها ارزیابی گردند.
کلمات کلیدی : hmax svm patch انتخاب ویژگی