پروپوزال استخراج موثر ویژگی های sift و surf برای تشخیص اشیاء در تصاویر دیجیتال

یکی از شاخه های پر چالش در این حوزه توانایی ماشین ها در تشخیص و شناسایی اشیا از تصاویر ارسال ‌شده از سنسورهای بینایی و دوربین های دیجیتال می باشد. شناسایی اشیاء یک مسئله اصلی و بنیادی در حوزه بینایی ماشین است و از سوی محققان و دانشمندان بسیار موردتوجه قرارگرفته است. به‌منظور شناسایی یک شی، همان‌طور که در شکل1 دیده می شود ، رویکردهای مختلفی وجود دارد. یکی از این رهیافت‌ها ، آموزش یک موتور یادگیری روی یک مجموعه بزرگ از نمونه‌ها ( رهیافت یادگیری ماشین) است. روش یادگیری ماشین که روشی قدرتمند است ، نیازمند انبوه وسیعی از نمونه‌ها برای حالات و شرایط گوناگون شی است و ممکن است برای اشیاء انعطاف‌پذیر به‌خوبی عمل نکند . تولید قوانین یا مدل‌هایی برای تشخیص اشیاء نیازمند درک و دانش بشری زیادی است. برخی از مسائل اصلی عبارت‌اند از: انتقال و تبدیل دانش انسان به‌صورت قوانین ، تعمیم اطلاعات به داده‌های جدید و بررسی و برشمردن همه حالات ممکن. به‌علاوه ، آشکارساز حاصل از هر دو روش‌، به‌طور ویژه برای یک دسته از اشیاء قابل‌استفاده است ، به‌طوری‌که برای هر دسته از اشیاء جدید نیاز به یک آشکارساز جدید یا مجموعه‌ای کاملاً متفاوت از قوانین است  . ﺑدین ﻣﻨﻈﻮر در اﺑﺘﺪا باید ویژگی‌هایی از ﺗﺼﻮﯾﺮ اﺳﺘﺨﺮاج ﺷﻮد ﮐﻪ اﯾﻦ ویژگی‌ها ﺑﻪ ﺳﻪ دﺳﺘﻪ ﺗﻘﺴﯿﻢ می‌شوند ؛ ویژگی‌های ﺳﻄﺢ ﭘﺎﯾﯿﻦ ﮐﻪ به‌طور ﻣﺴﺘﻘﯿﻢ از ﺗﻤﺎم ﺗﺼﻮﯾﺮ اﺳﺘﺨﺮاج می‌شود ( ﻣﺎﻧﻨﺪ ﺑﺎﻓﺖ، رﻧﮓ و ﻟﺒﻪ)، وﯾﮋﮔﯽﻫﺎي ﻣﺤﻠﯽ (ﻣﺎﻧﻨﺪ ﻧﻮاﺣﯽ و ﺑﻠﻮكﻫﺎ) و وﯾﮋﮔﯽﻫﺎي ﺳﻄﺢ ﺑﺎﻻ ﮐﻪ ﺑﯿﻦ وﯾﮋﮔﯽﻫﺎي ﻣﺤﻠﯽ و وﯾﮋﮔﯽﻫﺎي ﺳﺮاﺳﺮي ﻫﺴﺘﻨﺪ. بنابراین لازمه بهره برداری از سامانه های تشخیص اشیا برای کاربردهای مختلف، اتخاذ روش های صحیح استخراج ویژگی و یادگیری ماشین با توجه به کاربردهای خاص می باشد. برخلاف سیستم بینایی انسان در شناسایی اشیا، انجام این کار برای ماشین به صورت خودکار با چالش هایی مواجه است که می توان به مواردی مانند هم پوشانی اشیا در تصویر اندازه اشیا در تصاویر مختلف،تغییر شکل اشیا اشاره نمود.)

1- دسترسی به تشخیص دقیق و سریعتر از شناسایی اشیاء تصویر 

2- ارائه روشی جدید در بیان ویژگی ها مرتبط با شناسایی اشیاء در تصویر با استفاده از ترکیبی از ویژگی های مانند SIFT, SURF و همچنین استفاده از یادگیری عمیق برای تشخیص دقیق تر اشیاء

3- بکارگیری ترکیبی از روشهای طبقه بندی برای دسترسی به یک تشخیص کاراتر

4- بهبود دقت و فراخوانی نسبت به روشهای جدید.