امیرحسین بصیرفسایی - دانشکده فنی و مهندسی، واحد تهران شمال، دانشگاه پیام نور، تهران، ایران
مهدی جوانمرد - سازمان مرکزی دانشگاه پیام نور، تهران، ایران

در سالهای اخیرپردازش تصویر رشد بالایی کرده است. تاثیراین پیشرفت در بسیاری از حوزه ها بخصوص حوزه پزشکینمود بیشتری پیدا کرده است. تشخیص انسان در حوزه امداد و نجات کار زیادی صورت نگرفته است و یکی از چالش هایپیش رو به شمار می رود. تشخیص جامعه موضوع چالش برانگیز در تحلیل شبکه های اجتماعی به حساب می آید.الگوریتم شبکه عصبی کانولوشنال یکی از کارآمدترین ابزارهای پردازش تصویر است که توانایی بالایی در حوزه های مختلفاز خود نشان داده است. تشخیص انسان در شرایطی که در زیر آوار است کار پرچالشی است زیرا همواره مانعی در جلوی آنوجود دارد که اجازه دیده شدن کامل آن را نمی دهد. تحت این شرایط سیستمی باید طراحی کرد که تنها با دیدن بخشکوچکی از بدن شخص به درستی وجود او را تشخیص دهد. از اینرو در این کار با در دست داشتن دادگانی شامل تصاویرافرادی که در زیر آوار قرار داشتند سعی شد تا این سیستم پیاده سازی گردد. برای رسیدن به این هدف تعداد زیادی ازمقالات مطالعه شد و روش درست چیدمان لایه ها و همچنین طریقه آموزش انتخاب گردید. در این کار سعی شد تاشبکه ی از پیش آموزش داده شدهای انتخاب گردیده و عمل بازآموزی بر روی آن صورت گیرد تا نیاز به حجم بالایی ازدادگان نباشد. به همین دلیل از یک شبکه بر روی دادگان CIFAR آموزش داده شد و سپس با استفاده از دادگان مورداستفاده در این کار وزن ها بروز شدند. در این حالت سیستم توانست به خطایی در حدود ۶ درصد دست یابد که با توجه به انتخاب ۶۰ تصویر برای آموزش سیستم درصد کارایی قابل قبولی است.

پردازش تصویر در امداد و نجات، تشخیص انسان، شبکه های کانولوشنال، یادگیری عمیق