light box
امتیاز 2.58 طبقه بندی جنسیتی با استفاده از مدل پیشنهادی مبتنی بر CNN و بهینه سازی کلونی مورچه ها">

نوع فایل : word
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 36
تعداد کلمات : 12000
مجله : mathematics
انتشار : 2021
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:طبقه بندی جنسیتی با استفاده از مدل پیشنهادی مبتنی بر CNN و بهینه سازی کلونی مورچه ها

 چکیده

  طبقه بندی جنسیتی عابر پیاده یکی از تکالیف کلیدی مطالعه عابر پیاده است و کاربردهای عملی در بازیابی تصاویر مبتنی بر محتوا، آمار جمعیت، تعامل انسان و رایانه، مراقبت های بهداشتی، سیستم های بازیابی چند رسانه ای،  جمعیت شناسی و نظارت بصری پیدا می کند. در این کار پژوهشی، طبقه بندی جنسیتی با استفاده از رویکرد یادگیری عمیق انجام شد. یک معماری ۶۴ لایه جدید به نام ۴-BSMAB که از AlexNet عمیق مشتق شده است پیشنهاد شده است. مدل پیشنهادی بر روی مجموعه داده CIFAR-100 با استفاده از طبقه‌بندی کننده SoftMax آموزش داده شد. سپس ویژگی‌ها از مجموعه داده‌های کاربردی با این مدل از پیش آموزش‌دیده به‌دست آمد. مجموعه ویژگی های به دست آمده با تکنیک بهینه سازی سیستم کلونی مورچه ها (ACS) بهینه شد. طبقه‌بندی‌کننده‌های مختلف SVM و KNN برای انجام طبقه‌بندی جنسیتی با استفاده از مجموعه ویژگی‌های بهینه‌شده استفاده شد. آزمایش جامع بر روی مجموعه داده‌های طبقه‌بندی جنسیتی انجام شد و مدل پیشنهادی نتایج بهتری نسبت به روش‌های موجود داشت. مدل پیشنهادی به بالاترین دقت، یعنی ۸۵٫۴% و ۹۲% AUC در مجموعه داده MIT، و بهترین نتایج طبقه‌بندی، یعنی ۹۳% دقت و ۹۶% AUC، در مجموعه داده PKU-Reid دست یافت. نتایج آزمایش‌های گسترده انجام شده بر روی مجموعه داده‌های استاندارد عابر پیاده نشان می‌دهد که چارچوب پیشنهادی از روش‌های طبقه‌بندی جنسیتی عابر پیاده بهتر عمل می‌کند، و نتایج قابل قبول مدل پیشنهادی را به عنوان یک مدل قوی ثابت می‌کند.

Title: Gender Classification Using Proposed CNN-Based Model and Ant Colony Optimization

Abstract

 Pedestrian gender classification is one of the key assignments of pedestrian study, and it finds practical applications in content-based image retrieval, population statistics, human–computer interaction, health care, multimedia retrieval systems, demographic collection, and visual surveillance.In this research work, gender classification was carried out using a deep learning approach. A new 64-layer architecture named 4-BSMAB derived from deep AlexNet is proposed. The proposed model was trained on CIFAR-100 dataset utilizing SoftMax classifier. Then, features were obtained from applied datasets with this pre-trained model. The obtained feature set was optimized with ant colony system (ACS) optimization technique. Various classifiers of SVM and KNN were used to perform gender classification utilizing the optimized feature set. Comprehensive experimentation was performed on gender classification datasets, and proposed model produced better results than the existing methods. The suggested model attained highest accuracy, i.e., 85.4%, and 92% AUC on MIT dataset, and best classification results, i.e., 93% accuracy and 96% AUC, on PKU-Reid dataset. The outcomes of extensive experiments carried out on existing standard pedestrian datasets demonstrate that the proposed framework outperformed existing pedestrian gender classification methods, and acceptable results prove the proposed model as a robust model.

    دیدگاهها بسته است.

    محصولات مشابه
    کمبود(نقص) توجه و علائم ADHD در بزرگسالان مبتلا به بیماری فابری – یک مطالعه آزمایشی
    خـریـد محـصـول
    مرزهای جدید در مدیریت سرطان رکتوم اولیه و پیشرفته
    خـریـد محـصـول
    ریسک میوکاردیت و پریکاردیت در بزرگسالان جوان به دنبال واکسیناسیون mRNA COVID-19
    خـریـد محـصـول
    بروز میوکاردیت و پریکاردیت در بیماران واکسینه نشده پس از کووید-۱۹
    خـریـد محـصـول
    الگوریتم ازدحام آفتاب پرست کارآمد برای مسئله توزیع بار اقتصادی
    خـریـد محـصـول
    فرآیند بازآفرینی شهری: مورد یک مجتمع مسکونی در حومه رم، ایتالیا
    خـریـد محـصـول
    رابطه پویا بین شاخص سهام و قیمت دارایی: تجزیه و تحلیل بلندمدت
    خـریـد محـصـول
    تشخیص بیماری پوسیدگی طوقه در گندم در شرایط محیطی کنترل شده
    خـریـد محـصـول
    بکارگیری بهینه سازی برای حمایت از مدیریت تطبیقی آب رودخانه ها
    خـریـد محـصـول
    ارزیابی تأثیر آموزش زیست محیطی بر رفتار سازگار با محیط زیست
    خـریـد محـصـول
    ثبت اختراع یا انتشار مقاله

    در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. سامانه جستجوگر مالکیت فکری دارکوب به تازگی از پایگاه جستجو علائم تجاری خود نیز رونمایی کرده است که دارای امکانات تخصصی فراوانی می باشد.

    ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

    در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

    از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

     
    برو بالا