دوره 19، شماره 3 - ( مجله مهندسی برق و الکترونیک ایران - جلد 19 شماره 3 1401 )                   جلد 19 شماره 3 صفحات 144-131 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Aghaei N, Akbarizadeh G, Kosarian A. Using ShuffleNet to design a deep semantic segmentation model for oil spill detection in synthetic aperture radar images. Journal of Iranian Association of Electrical and Electronics Engineers. 2022; 19 (3) :131-144
URL: http://jiaeee.com/article-1-1397-fa.html
آقائی نسترن، اکبری زاده غلامرضا، کوثریان عبدالنبی. استفاده از ShuffleNet برای طراحی یک مدل بخش‌بندی معنایی عمیق به منظور تشخیص نشت نفت در تصاویر رادار روزنه مصنوعی. نشریه مهندسی برق و الکترونیک ایران. 1401; 19 (3) :144-131

URL: http://jiaeee.com/article-1-1397-fa.html


دانشکده مهندسی، دانشگاه شهید چمران اهواز
چکیده:   (121 مشاهده)
بخش­بندی معنایی عمیق تصاویر به­ عنوان راه حلی یکپارچه در آنالیز تصاویر مبتنی بر طبقه­ بندی تک­ تک پیکسل­ های تصویر بوده و بخصوص در کاربرد­هایی مانند شناسایی نشت نفت در آب­های آزاد که در آن مرز اشیا و نواحی به ­طور مشخص قابل تفکیک نیستند، مورد توجه قرار می­ گیرد. به منظور کنترل هرچه بیشتر آلودگی و مخاطرات زیست محیطی ناشی از نشت نفت، ارائه روش­هایی با دقت بیشتر از اهمیت ویژه­ ای برخوردار است. تصاویر رادار روزنه مصنوعی دراین زمینه بسیار پرکاربرد بوده و با چالش­ هایی از جمله نویز اسپکل و نیز تشخیص نواحی لکه ­نفتی و شبه­ لکه نفتی مواجه هستند. بکارگیری روش­های نوین یادگیری عمیق می ­تواند در کاهش دخالت سلیقه انسانی در تصمیم ­گیری کمک کند. در این مقاله از روش مخلوط کردن کانال­های ویژگی در شبکه ­های کانولوشنی عمیق، بلوک­های آتروس و بخش­های رمزگشایی استفاده شده است که علاوه بر کاهش پیچیدگی ­های محاسباتی، نتایج بخش ­بندی لکه­ های نفتی به ­مراتب بهتر از سایر روش­ها می­ دهد. معماری شبکه ارائه شده مبتنی بر معماری vgg16  می ­باشد. دقت کلی، صحت، همپوشانی بر واحد، IoU وزن­دار و امتیاز BF  به­ عنوان پارامترهای ارزیابی در نظر گرفته شده ­اند. در روش ارائه شده، دقت بخش­ بندی لکه ­های نفتی و شبه ­لکه ­های نفتی به ­ترتیب به میزان 8/7% و 3/7% نسبت به روش­های پیشین بهبود یافته است.
متن کامل [PDF 994 kb]   (70 دریافت)    
نوع مقاله: پژوهشي | موضوع مقاله: الکترونیک
دریافت: 1400/8/17 | پذیرش: 1401/2/17 | انتشار: 1401/6/11

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه مهندسی برق و الکترونیک ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2022 CC BY-NC 4.0 | Journal of Iranian Association of Electrical and Electronics Engineers

Designed & Developed by : Yektaweb