بکارگیری مدل مبتنی بر ترنسفورمر برای تشخیص فعالیتهای غیرطبیعی در ویدئو | ||
| مدل سازی در مهندسی | ||
| دوره 22، شماره 76، بهار 1403، صفحه 213-221 اصل مقاله (848.48 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2024.32914.2604 | ||
| نویسندگان | ||
| امیر محمد احمدی1؛ کورش کیانی* 2؛ راضیه راستگو3 | ||
| 1دانشجوی کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران | ||
| 2دانشیار، دانشکده برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران | ||
| 3استادیار، دانشکده برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران | ||
| چکیده | ||
| با توجه به افزایش روز افزون حجم ویدئوهای تولید شده توسط دوربینهای امنیتی و نظارتی در مکانهای شخصی و عمومی، نظارت بر فعالیتهای موجود در ویدئو امری حیاتی میباشد. بسیاری از نظارتهای ویدئویی برای بررسی صحت عملکرد و هشدار هنگام وقوع یا انجام اعمال غیرطبیعی میباشد. در این راستا، مدلهای هوشمند مختلفی جهت تشخیص فعالیتهای موجود در ویدئو ارائه گردیده است. با توجه به پیشرفتهای اخیر در حوزه هوش مصنوعی و بهخصوص یادگیری عمیق، در این مقاله، مدلی مبتنی بر شبکه ترنسفورمر ارائه میگردد. در این راستا، به منظور کاهش میزان محاسبات، نقاط کلیدی بدن مورد استفاده قرار میگیرند. تعداد 15 نقطه کلیدی بدن به مدل ترنسفورمر وارد میگردند تا با تکیه بر پردازش موازی این شبکه در حالت آموزش و نیز مکانیسم خودتوجهی، سرعت و دقت مدل افزایش داده شود. نتایج تجربی بر روی پایگاه داده عمومی JHMDB حاکی از بهبود دقت تشخیص فعالیتهای غیرطبیعی نسبت به مدلهای پایه میباشد. | ||
| کلیدواژهها | ||
| پردازش ویدئویی؛ نظارت ویدئویی؛ اعمال غیرطبیعی؛ یادگیری عمیق؛ شبکه ترنسفورمر | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,173 تعداد دریافت فایل اصل مقاله: 613 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 723 |
| تعداد مقالات | 10,394 |
| تعداد مشاهده مقاله | 72,848,857 |
| تعداد دریافت فایل اصل مقاله | 64,547,475 |