میلاد منفرد - دانشجوی کارشناسی ارشد گرایش هوش مصنوعی، دانشگاه آزاد واحد علوم و تحقیقات،دانشکده ی مکانیک-برق-کامپیوتر
عباس کوچاری - دانشگاه آزاد واحد علوم و تحقیقات،دانشکده ی مکانیک-برق-کامپیوتر

امروزه بارکد ها نقش پررنگی در صنایع مختلف ایفا می­کنند و در بین بارکد های دوبعدی معروف ترین آن ها یعنی کد QR (کد پاسخ سریع) رشد روز افزونی داشته است. هدف اصلی این مقاله ارائه ی روش رفع نویز مبتنی بر شبکه ی عصبی عمیق خود شناس است که با استفاده از آن بتوان QR های مخدوش غیر خوانا را دوباره به حالت خوانا باز­گرداند. برای ایجاد نویز و اعوجاج  بر خلاف مقالات دیگر که از شبیه نویز استفاده و آن را به تصویر اضافه کردند ، از چالش استخراج QR نهان نگاری شده درون یک تصویر رنگی استفاده شده تا با جمع آوری داده هایی از جهان واقعی ، ارزیابی جامع تر و واقعی تری از کیفیت و خوانایی QR های رفع نویز شده با روش ارائه شده را داشته باشیم. در نتیجه دیتا ست جامعی از QR های مخدوش حاصل از سه رویکرد استخراج نهان نگاره متفاوت بعد از حمله ی اسکرین-دوربین  را ایجاد نمودیم. برای فرایند رفع نویز نیز سه شبکه ی MCNN  مستقل برای هر یک از سه رویکرد استخراج استفاده شده است  که ارتقاع یافته از شبکه ی U-net می­باشد.

حذف نویز, بازسازی کد QR, شبکه ی عصبی خود شناس, MCNN, یادگیری عمیق, یادگیری ماشین