پروپوزال مهندسی کامپیوتر تشخیص مدل خودرو بر پایه استخراج ویژگی محلی از تصویر

مشاوره و آموزش انجام پایان نامه،پروپوزال،سمینار و پروژه های دانشجویی

در نمونه پروپوزال ارشد مهندسی کامپیوتر به دنبال ارائه طرحی جهت یادگیری دانشجویان ارشد با ساختار کلی پروپوزال هستیم که دانشجو بتواند با مطالعه پروپوزال در روند انجام پایان نامه ارشد آشنایی پیدا کند و توان تدوین پروپوزال و پایان نامه را داشته باشد.از آنجایی که دانشجویان در مقطع ارشد آشنایی اولیه ای با روند انجام پروپوزال و انجام پایان نامه ندارند و در این مسیر نیازمند مشاوره در انجام پایان نامه هستند بنابراین سعی شده است که با ارائه موضوعات پایان نامه،نمونه پروپوزال ارشد و نمونه پایان نامه ارشد دانشجویان را در این مسیر یاری رسانده و آشنایی لازم را در این مسیر کسب نمایند.لازم است که دانشجویان عزیر با دقت نمونه موضوعات پایان نامه و نمونه پروپوزال ها و پایان نام های ارائه شده را با دقت مطالعه نموده و با نمونه برداری از هر قسمت به تدوین پروپوزال و پایان نامه خود اقدام نمایند.امید است که در این راه بتوانیم همواره مشاور و همراه شما باشیم .

در قسمت دفاعیه پایان نامه نیز نمونه پاورپوینت ارشد قرار داده هست که دانشجویان بتوانند جهت اماده سازی پاورپوینت دفاع پایان نامه استفاده نمایند.یک دفاع موفق منوط به مطالعه با دقت پایان نامه و رفع اشکال پایان نامه و سپس ارائه پاورپوینت با قسمت های پایان نامه همراه با آرامش در زمان دفاع می باشد.موسسه ادیب مشاور همواره در تمامی این مراحل در کنار شما عزیزان خواهد بود.

بيان مسأله اساسي تحقيق به طور كلي (شامل تشريح مسأله و معرفي آن، بيان جنبه‏هاي مجهول و مبهم، بيان متغيرهاي مربوطه و منظور از تحقيق) :

تشخیص نوع خودرو از روی تصویر در بسیاری از کاربردهای جهان واقع امری ضروری است. مسئله تشخیص نوع خودرو به این صورت تعریف می شود که سیستم یک تصویر از خودرو را به عنوان ورودی دریافت می کند و سعی می کند نوع خودرو را به صورت تماما اتوماتیک مشخص کند. راه حل های زیادی برای این کار ارائه شده است که یکی از آنها استخراج ویژگی های محلی از تصویر به صورت اتوماتیک است. پس از استخراج ویژگی های محلی تصویر ورودی، باید این ویژگی ها با ویژگی های مدل های مختلف خودرو مقایسه شده و تشخیص خودرو انجام شود.

ویژگی های محلی به یک الگو یا ساختار مجزا مانند یک نقطه، لبه یا تکه کوچک تصویر در یک تصویر اشاره می کنند. این ویژگی ها معمولا به یک تکه از تصویر مربوط هستند که از بافت، رنگ یا شدت نوری متفاوت با محیط اطراف آن ساخته شده است. اینکه این ویژگی ها چه چیزی را مشخص می کنند چندان مهم نیست، مهم این است که قسمت های خاص یا به اصطلاح نقاط برجسته[1] که با اطراف خود متفاوت هستند را نشان دهند. نمونه هایی از ویژگی های محلی عبارتند از حباب[2]ها، گوشه ها و پیکسلهای لبه. در شکل زیر یک نمونه از ویژگی های محلی را مشاهده می کنید.

پروپوزال هوش مصنوعی پردازش تصویر

مسئله اصلی، استخراج ویژگی هایی محلی از تصویر ورودی و تصاویر مرجع (نوع خودرو ها) است که قابلیت مقاومت در برابر انواع اختلالات تصویری نظیر انواع نویز، کوچک و بزرگ بودن تصاویر، گردش تصاویر و ... را داشته باشند. البته مسئله تطابق این ویژگی ها با هم نیز بسیار مهم و اساسی است.

در این پژوهش دسته ای از ویژگی های تصویر که با عنوان ویژگی های محلی شناخته می شوند استفاده می شود. در این پژوهش ابتدا نقاط برجسته درون تصویر مشخص می شوند سپس برای هر نقطه توصیف محلی[1] محاسبه می شود. نقاط برجسته معمولا نقاطی از تصویر هستند که در گوشه های اشیا و روی لبه ها  قرار دارند. توصیفات هر نقطه با توجه به پیکسل های اطراف آن نقطه مشخص می شود و نشان دهنده این است که آن محدوده از تصویر چه حالتی را بازگو می کند. با استفاده از این توصیف نقاط برجسته می توان اختلاف بین نقاط برجسته در دو تصویر را به دست آورد و نشان داد که چه میزان دو تصویر به هم شبیه هستند. بنابراین می‌توان تصویر بدون پس زمینه ای از هر مدل خودرو تهیه کرد و با استفاده از این تصاویر شاخص به طبقه بندی تصویر ورودی پرداخت.

 

د - اهمیت و ضرورت انجام تحقيق (شامل اختلاف نظرها و خلاءهاي تحقيقاتي موجود، ميزان نياز به موضوع، فوايد احتمالي نظري و عملي آن و همچنين مواد، روش و يا فرآيند تحقيقي احتمالاً جديدي كه در اين تحقيق مورد استفاده قرار مي‏گيرد:

در بسیاری از کاربردها تشخیص نوع خودرو ها با استفاده از دوربین ها که این روزها در اکثر خیابان ها وجود دارند اهمیت دارد. بیشترین کاربرد مربوط به کشف تخلفات رانندگی است. در کاربردهایی دیگری نیز تعیقیب مجرمان و شناسایی جرم نیز مفید است. حتی در جامعه شناسی نیز کاربردهایی دیده شده است[2]. به هر حال این موضوع بسیار مهم است و تا کنون نیز کارهایی انجام شده است و ما در این پایان نامه سعی داریم تا در صورت امکان کارهای گذشته را بهبود بخشیم.

 

ه- مرور ادبیات و سوابق مربوطه (بيان مختصر پیشینه تحقيقات انجام شده در داخل و خارج کشور پيرامون موضوع تحقیق و نتايج آنها و مرور ادبیات و چارچوب نظري تحقیق):

روشهای متعددی جهت  تشخیص نوع اتومبیل از تصاویر دیجیتالی وجود دارد که به دو نوع کلی تقسیم می شوند نوع اول استفاده از روشهای یادگیری ماشین و دیگری روشهای تطابق الگو[2] است. در یادگیری ماشین با استفاده از برخی ویژگی های تصویر، برای هر تصویر مجموعه ویژگی تشکیل داده می شود و با تعداد زیادی از این تصاویر به همراه نوع خودرو که توسط ناظر برای آن تصاویر مشخص شده است مدل یادگیری آموزش داده شده و پس از آن با استفاده از آن مدل می توان تصاویری که برچسب ندارند (نوع خودرو مشخص نیست) را تا حدود زیادی با دقت برچسب زد. در راه کار تطابق الگو نیز ویژگی هایی از تصویر ورودی استخراج شده و با تصاویر مرجع مقایسه شده و نوع خودرو تشخیص داده می شود. در ادامه مروری کوتاه بر این روشها خواهیم داشت.

نوع اول (روشهای یادگیری ماشین):

در مقاله [3] با استفاده از روشهای یادگیری ماشین با نام یادگیری فعال که می تواند در حین استفاده از مدل یادگیر برای تشخیص نوع خودرو، آموزش آن را نیز انجام دهد، به تشخیص نوع خودرو پرداخته است. در صورتی دقت این روش مناسب است که ناظر آن متخصص باشد و یادگیری اولیه مناسبی ارائه شده باشد.

در مقاله دیگری[4] نیز از شبکه های عصبی برای تشخیص نوع خودرو استفاده شده است. شبکه های عصبی با الهام از مغز انسان به صورت مجازی با وزن دهی به نرون ها در صورت تشخیص درست و کاهش وزن در صورت تشخیص نادرست سعی دارند مدلی را آموزش دهند که به دقت بتواند تشخیص دهد. البته در این مقاله، با استفاده از روشهای پردازش تصویر، ویژگی هایی از تصاویر روبروی اتومبیل استخراج و به شبکه عصبی داده شده است.

یکی از روشهای یادگیری ماشین که در سالهای اخیر مقبولیت فراوانی داشته است یادگیری عمیق است. در مقاله [5] با استفاده از این نوع یادگیری و به صورت ریز دانه سازی توانسته است نتایج مناسبی را بدست آورد. یادگیری عمیق نوع پیشرفته تری از شبکه های عصبی هستند که توانایی کار با لایه های بیشتری در شبکه عصبی را دارند و دچار مشکل بیش برازش[3]  نمی شوند. در روش پیشنهاد شده در این مقاله [5] برای هر نوع اتومبیل که در دسته ای خاص قرار دارد، با استفاده از شبکه عصبی عمیق کانولوشنال، دسته را تشخیص داده و برای هر دسته نیز یک شبکه عصبی عمیق کانولوشنال آموزش می دهد. روشهای دیگری نیز از شبکه های عصبی عمیق کانولوشن استفاده کرده اند[6], [7].

روشهای دیگری نیز وجود دارند که ابتدا با استفاده از پردازش تصویر ویژگی هایی را استخراج و سپس با استفاده از یک طبقه بند آنها را دسته بندی می کند. برای مثال در روش [8] با استفاده از روش تبدیل کانتورلت[4] ویژگی هایی را از تصویر استخراج کرده و با استفاده از ماشین بردار پشتیبان[5] به دسته بندی آنها می پردازد. بر پایه این نوع استخراج ویژگی چندین کار دیگر نیز انجام شده است[9]–[11].

نوع دوم (روشهای تطابق الگو):

در این نوع، از روشهای استخراج نقاط برجسته و توصیفگر آنها و تطبیق الگو استفاده می شود. یکی از اصلی ترین روشهای استخراج نقاط جذاب و توصیفگر آنها روش SIFT [12]است. روش SIFT در مقابل چرخش و تغییر دید و تغییرات نورپردازی تا اندازه خوبی مقاوم است. پس از استخراج نقاط برجسته و توصیفگر آنها در تصویر ورودی (تصویر خودروی که می خواهد نوع آن تشخیص داده شود) آنها را با تمامی تصاویر مرجع انطباق داده و تصویری را که بیشترین نقاط مشترک یا نزدیکترین فاصله در تعداد بیشتری نقطه جذاب دارد، به عنوان نوع خودرو بر می گرداند.

در مقاله [13] که به عنوان مقاله پایه ای در این پژوهش مورد استفاده قرار گرفته شده است از چندین نوع از الگوریتم SIFT و توسعه های آن برای تشخیص نوع خودرو استفاده شده است. در مقاله فوق این نتیجه را گرفته است که دقت تشخیص نوع خودرو بیشتر مربوط به نقاط برجسته ای است که الگوریتم می یابد و کمتر به توصیفگر آن نقاط مربوط می شود و از طرفی نقاط جذابی که در گوشه ها و لبه های درون تصویر است بسیار مهمتر از نقاط برجسته روی محل های حباب مانند است.

در شکل زیر نقاط برجسته برای یک تصویر توسط الگوریتم های مختلف نشان داده شده است.

پروپوزال هوش مصنوعی یادگیری عمیق پردازش تصویر

در مقاله دیگری [14] از نوع خاصی از الگوریتم SURF استفاده کرده است که در برابر تبدیل آینه ای نیز مقاوم است و به دلیل متقارن بودن خودرو ها نتایج را بهبود داده است.

در روشهای گفته شده نشان داده نشده است که با استفاده از ترکیب ویژگی های استخراجی از الگوریتم های استخراج نقاط برجسته و روشهای یادگیری ماشین آیا می توان بهبودی در تشخیص داد یا خیر. در این پژوهش بر روی تاثیر روشهای یادگیری ماشین در جهت بهبود تشخیص نوع خودرو با استفاده از روشهای استخراج نقاط برجسته مطالعه می شود. به این مفهوم که با ترکیب روشهای یادگیری ماشین [5] با روشهای استخراج ویژگی محلی [13] کیفیت تشخیص خودرو را افزایش داد.

 

و – جنبه جديد بودن و نوآوري در تحقيق:

1- در این پژوهش از هر دو رویکرد استخراج نقاط برجسته و یادگیری ماشین برای تشخیص نوع خودرو استفاده می شود. تا کنون هر یک از راهکارها به صورت جداگانه پیشرفت داشته اند، اما در این پایان نامه، از قابلیت های هر دو راهکار استفاده می شود تا کارایی بهتری ارائه گردد.

2- مورد بعدی که در این پایان نامه انجام خواهد شد مطالعه تاثیر یادگیری ماشین بر استخراج ویژگی های محلی است. تاکنون از روشهای ابتکاری نقاط برجسته و توصیفگرهای آنها استخراج می شده است، اما در این پایان نامه قصد داریم از روشهای یادگیری ماشین برای تشخیص و استخراج نقاط برجسته استفاده شود.

 

ز- اهداف مشخص تحقيق (شامل اهداف آرماني، کلی، اهداف ويژه و كاربردي):

1 - هدف آرمانی و کلی: تشخیص دقیقتر نوع خودرو از روی تصویر.

2 - هدف کاربردی: استفاده در سیستم ترافیک هوشمند

 

 

ح – در صورت داشتن هدف كاربردي، نام بهره‏وران (سازمان‏ها، صنايع و يا گروه ذينفعان) ذكر شود (به عبارت دیگر محل اجرای مطالعه موردی):

مشتری اصلی این طرح مدیریت ترافیک شهرداری و پلیس راهور می تواند باشد.

 

ط-  سؤالات تحقیق:

  • چگونه می توان نوع خودرو را از روی تصویر تشخیص داد؟
  • آیا امکان تلفیق روشهای استخراج نقاط برجسته با یادگیری ماشین وجود دارد؟ چگونه می توان این کار را کرد؟
  • تاثیر تلفیق دو روش چیست؟

 

ی-  فرضيه‏هاي تحقیق:

  • با تلفیق روشهای استخراج نقاط برجسته و یادگیری ماشین می توان نوع خودرو را تشخیص داد.
  • در صورتی که نقاط برجسته تصویر و توصیفگرهای آن به عنوان ویژگی های نمونه آموزشی لحاظ شوند می توان انواع روشهای یادگیری ماشین را بر روی آن اعمال کرد.
  • هنگامی که دو روش تشخیص خودرو با هم تلفیق می شود از مزیت های هر کدام بهره می برد و دقت تشخیص خودرو را بالا می برد.

مفروضات:

  • تصاویر مربوط به خودروهای سواری هستند.
  • تصاویر بدون پس زمینه هستند.
  • تصاویر ار کنار، جلو و عقب ماشین ها هستند.

ک- تعريف واژه‏ها و اصطلاحات فني و تخصصی (به صورت مفهومی و عملیاتی):

نقاط برجسته: نقطه هایی از تصویر که با اطراف خود از نظر میزان روشنایی، رنگ و بافت متفاوت هستند.

توصیفگر: مجموعه ای از اطلاعات که می تواند یک نقطه برجسته را توصیف کند.

یادگیری ماشین: روشها و الگوریتم هایی که کامپیوتر را قادر سازند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفه مورد نظر پیدا کند. گستره این وظیفه می‌تواند از تشخیص خودکار اتومبیل با دیدن چند نمونه ازاتومبیلهای مورد نظر تا فراگیری شیوه گام‌برداری روبات‌های دوپا با دریافت سیگنال پاداش و تنبیه باشد.

 

 

5-روش تحقیق:

 

الف- شرح كامل روش تحقیق بر حسب هدف، نوع داده ها و نحوه اجراء (شامل مواد، تجهيزات و استانداردهاي مورد استفاده در قالب مراحل اجرايي تحقيق به تفكيك):

تذكر: درخصوص تفكيك مراحل اجرايي تحقيق و توضيح آن، از به كار بردن عناوين كلي نظير، «گردآوري اطلاعات اوليه»، «تهيه نمونه‏هاي آزمون»، «انجام آزمايش‏ها» و غيره خودداري شده و لازم است در هر مورد توضيحات كامل در رابطه با منابع و مراكز تهيه داده‏ها و ملزومات، نوع فعاليت، مواد، روش‏ها، استانداردها، تجهيزات و مشخصات هر يك ارائه گردد.

در این پژوهش:

  • ابتدا روش های یادگیری ماشین وکاربرد آنها در تشخیص تصویر مورد مطالعه قرارخواهدگرفت.
  • سپس مقاله های مربوطه که در این پیشنهادیه آمده است به علاوه منابع آنها مطالعه خواهد شد و مجموعه داده های متناسبی که از این مقاله ها بدست می آید تحلیل شده و یکی از این مجموعه داده های حاوی تصاویر انتخاب می‌شود.
  • پس از آن به پیاده سازی روش پیشنهادی پرداخته شده به صورتی که با استفاده از الگوریتم SIFT و توسعه های آن به عنوان استخراج کننده نقاط برجسته و توصیفگر آنها ویژگی های مناسب از تصویر استخراج شده و با استفاده از روشهای مختلف یادگیری ماشین نظیر شبکه های عصبی، ماشین بردار پشتیبان و یا درخت تصمیم به طبقه بندی تصاویر و تشخیص نوع خودرو پرداخته می شود.

 

ب-  متغيرهاي مورد بررسي در قالب یک مدل مفهومی و شرح چگونگی بررسی و اندازه گیری متغیرها:

  • سیستم یک تصویر از خودرو را به عنوان ورودی دریافت می کند.
  • سپس با استفاده از الگوریتم SIFT ویژگی های محلی تصویر، نقاط برجسته و توصیفگر آنها استخراج می شوند.
  • این ویژگی ها با ویژگی های مدل های مختلف خودرو مقایسه می شوند.
  • سپس برای طبقه بندی تصاویر و تشخیص نوع خودرو از روشهای مختلف یادگیری ماشین نظیر شبکه های عصبی، ماشین بردار پشتیبان و یا درخت تصمیم استفاده می شود.

 

ج –  شرح کامل روش (ميداني، كتابخانه‏اي) و ابزار (مشاهده و آزمون، پرسشنامه،  مصاحبه،  فيش‏برداري و غيره) گردآوري داده‏ها :

مقاله های مورد استفاده از ژورنالهای معتبر در پردازش تصویر و یادگیری ماشین جهت پیاده سازی روش می باشد.

 

د – جامعه آماري، روش نمونه‏گيري و حجم نمونه (در صورت وجود و امکان):

دو مجموعه داده مورد بررسی قرار می گیرد. یکی مجموع داده ای که از ماشین های داخل ایران تهیه شده و یکی مجموعه داده ای که از ماشین های خارج از ایران تهیه شده است.

 

هـ - روش‌ها و ابزار تجزيه و تحليل داده‏ها:

پس از اینکه روش پیشنهادی پیاده سازی و ارائه شد برای ارزیابی آن از معیارهای معروف در این حوزه استفاده می گردد. معروفترین معیار، میزان بازشناسی و یا دقت روش پیشنهادی است. علاوه بر آن، رسم گراف درهمریختگی[1] هم می تواند جزئیات بیشتری از میزان کارایی روش پیشنهادی را نشان دهد.

 

آموزش تخصصی انجام پایان نامه مهندسی کامپیوتر، شبکه حسگر بیسیم

آموزش انجام پایان نامه رایانش ابری

آموزش انجام پایان نامه رایانش ابری موبایل

پروپوزال مهندسی کامپیوتر تشخیص مدل خودرو بر پایه استخراج ویژگی محلی از تصویر

 

مشاوره تخصصی انجام پایان نامه ارشد

یکی از مهمترین وظایف دانشجویان در مقاطع تحصیلات تکمیلی (کارشناسی ارشد و دکتری) انجام پایان نامه می باشد. فقر اساتید خبره در زمینه های مختلف علمی تحقیقاتی در برخی دانشگاه های داخلی و خارجی موجب سردرگمی دانشجویان عزیز گردیده است، موسسه ادیب مشاور مفتخر است که در پاسخ به این نیاز طی ده سال فعالیت به تعداد بیشماری از دانشجویان ارشد و دکتری خدمات مشاوره تخصصی ارايه داده است.

به طور کلی انجام پایان نامه کاری زمان بر است که دانش و تجربه زیادی نیازمند است. موسسه ادیب مشاور با چندین سال تجربه در عرصه مشاوره و با در اختیار داشتن متخصصین و اساتیدی با تجربه آماده مشاوره و آموزش پایان نامه در کلیه رشته های دانشگاهی می باشد.

علاوه بر این موسسه ادیب مشاور، در زمینه شبیه سازی مقالات، پایان نامه ها و انجام پروژه ها با برنامه نویسی نیز به دانشجویان کشور عزیزمان خدمات لازم را ارائه می کند. این خدمات شامل تحلیل آماری، پیاده سازی با انواع نرم افزارهای مهندسی، برنامه نویسی با انواع زبان های برنامه نویسی و تهیه پرسش نامه می شود.

به طور کلی سر فصل های خدمات موسسه ادیب مشاور عبارتند از:

مشاوره پروپوزال در رشته مدیریت، حسابداری، مهندسی برق قدرت، مهندسی برق الکترونیک، مهندسی کامپیوتر و روانشناسی و دیگر رشته ها

مشاوره پایان نامه در رشته مدیریت، حسابداری، مهندسی برق قدرت، مهندسی برق الکترونیک، مهندسی کامپیوتر و روانشناسی و دیگر رشته ها

استخراج مقاله از پایان نامه در رشته مدیریت، حسابداری، مهندسی برق قدرت، مهندسی برق الکترونیک، مهندسی کامپیوتر و روانشناسی و دیگر رشته ها

انجام پایان نامه کامپیوتر، پروپوزال مهندسی کامپیوتر

اگر برای هریک از موارد فوق نیاز به مشاوره رایگان دارید، همین الان با ما تماس بگیرید.

[1] confusion matrix

[1]  local description

[2] Pattern matching

[3] Overfitting

[4] Contourlet transform

[5] Support vector machine(SVM)

[1] interest points

[2] Bloobs