پایان نامه ارشد مهندسی مکاترونیک: بازشناسی اشیا مبتنی بر سازوکار قشر گیجگاهی مغز

با عنوان : بازشناسی اشیا مبتنی بر سازوکار قشر گیجگاهی مغز

در ادامه مطلب می توانید تکه هایی از ابتدای این پایان نامه را بخوانید

و در صورت نیاز به متن کامل آن می توانید از لینک پرداخت و دانلود آنی برای خرید این پایان نامه اقدام نمائید.

دانشگاه آزاد اسلامی

واحد تهران جنوب

پایان نامه برای دریافت درجه کارشناسی ارشد

مهندسی مکاترونیک

عنوان:

بازشناسی اشیا مبتنی بر سازوکار قشر گیجگاهی مغز

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی گردد

تکه هایی از متن به عنوان نمونه : (ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)

چکیده:

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

بازشناسی اشیا موضوع پیچیده ای می باشد که سال ها مورد توجه و بحث مهندسان رایانه، الکترونیک، روباتیک و نیز عصب شناسان بوده می باشد. مروری بر تاریخچه موضوع به درک بهتر مسایل امروزی بازشناسی اشیا کمک خواهد نمود. دستگاه زیستی بینایی بشر بدون شک قابلیت بسیار بالایی در شناسایی، دسته بندی و تشخیص هویت یک شی قرار گرفته در شرایط مختلف، مانند تغییر زاویه شی، تغییر شدت روشنایی و قرار گرفتن در صحنه های درهم و ترکیبی دارد. پی بردن به اینکه دستگاه زیستی بینایی بشر به چه شکل فرآیند بازشناسی اشیا را انجام می دهد، یکی از اهداف دانش بینایی ماشین می باشد. در تحقیقات صورت گرفته بر روی قشر بینایی پستانداران، نگره های مختلفی ارایه شده می باشد که کوشش دارند کد کردن اطلاعات در سطوح مختلف قشر بینایی را تفسیر کرده و مدلی برای آن ارایه کنند. در اینجا یک چارچوب کلی برای بازشناسی اشیا که انگیزه آن از زیست شناسی گرفته شده می باشد ارایه خواهد گردید. این چارچوب توسط یک سیستم سلسله مراتبی توصیف شده و عملکرد آن بسیار مشابه نحوه بازشناسی اشیا در قشر بینایی مغز می باشد. همچنین نتیجه آزمایش های صورت گرفته، بیانگر قدرت این مدل جهت حل مسایل مطرح در زمینه بازشناسی اشیا می باشد.

مقدمه

بازشناسی اشیا همواره از اهمیت بسیار بالایی برخوردار بوده می باشد. تاکنون تحقیقات بسیار زیادی پیرامون بازشناسی اشیا ارایه شده می باشد، که هرکدام نقطه های ضعف و قدرت مختص به خود را دارا می باشند. با وجود قدمت زیاد این زمینه و گستردگی روش های ارایه شده، روشی که بتواند ادعا نماید در تمامی شرایط دارای کارکردی بهتر از بقیه روش ها می باشد گزارش نشده استو

در دهه های اخیر و با پیشرفت روش های یادگیری ماشین کوشش ها برای حل مساله به روش های محاسباتی بیشتر شده می باشد زیرا که این روش ها از ریاضیات و آمار جهت فرق میان الگوها بهره گیری می کنند. با این تفاصیل، توسعه روش های ماشینی به تنهایی قادر به ارایه بهترین روش جهت حل این گونه مسایل نیستند. استخراج ویژگی های مناسب تاثیر زیادی در کارایی این الگوریتم ها دارند. این روش ها با وجود اینکه در سال های اخیر توانسته اند با به کارگیری بهترین روش ها به نتایج قابل قبولی دست یابند، اما همچنان در حل پاره از مسایل با مشکلاتی روبرو بوده اند. از آنجا که بشر ها و پستانداران بهترین و دقیق ترین سیستم بینایی را دارا می باشند، ساخت سیستمی که بازشناسی اشیا را در مغز شبیه سازی کند ایده جالبی خواهد بود.

قشر بینایی در مغز بشر در قطعه پس سری قرار گرفته می باشد و حدود 10 تا 20 درصد از سطح جسم خاکستری را تشکیل می دهد. بیشترین مطالعه در مورد مغز بشر روی این قسمت صورت گرفته می باشد و نتیجه این مطالعه ها به ارایه مدل های محاسباتی و زیستی مختلفی منجر شده می باشد. یکی از نظریه هایی که امروزه بسیار مورد توجه قرار گرفته می باشد، فرضیه ساختار سلسله مراتبی در قشر بینایی می باشد. طبق این نظریه اطلاعات در قشر بینایی مغز به صورت سلسله مراتبی پردازش می شوند، به نحوی که در لایه های اولیه، خصوصیات سطح پایین مانند لبه و در سطوح بالاتر خصوصیات سطح بالاتر مانند خطوط دور شی و بافت ها پردازش می گردد. هدف در این پایان نامه این می باشد که با الهام گرفتن از چنین مکانیزمی که در مغز انجام می گردد بتوانیم به یک چارچوب مناسب جهت بازشناسی اشیا دست پیدا کنیم.

هدف اصلی در این پایان نامه، استخراج ویژگی های اشیا، با بهره گیری از روشی الهام گرفته از دستگاه زیستی مغز برای استخراج ویژگی ها و به کار بستن آن برای حل مسایل مطرح در بازشناسی اشیا می باشد. ساختار این پایان نامه در ادامه به این شکل می باشد که در فصل اول نگاهی گذرا به مدل ها و نگره های مرسوم در بازشناسی اشیا، خواهیم انداخت. سپس در فصل دوم به توصیف دستگاه بینایی بشر و لایه های زیستی قشر بینایی می پردازیم. در فصل سوم محاسباتی و پیاده سازی لایه های مختلف آن توصیف و مطالعه می گردد و سرانجام در فصل چهارم، آزمایش ها و نتیجه های آن مطالعه شده می باشد. در پایان نیز جمع بندی و کارهای آتی آورده شده می باشد.

فصل اول

بازشناسی اشیا

در این بخش پس از مروری کوتاه بر مفاهیم اولیه، کوشش شده می باشد که قوانین، نگره ها و مدل های بازشناسی اشیا به شکل اختصار اظهار گردد. در ادامه، نظریه ها و مدل های محاسباتی بازشناسی اشیا که ایده اصلی آنها از سیستم بینایی گرفته شده می باشد نیز مورد مطالعه قرار خواهند گرفت. همچنین چالش های موجود بر سر راه بازشناسی اشیا و اینکه سیستم های کنونی بازشناسی اشیا تا چه حد پاسخگوی نیاز جامعه امروزی به وجود هوش مصنوعی می باشند، مورد مطالعه قرار می گیرد.

1- بازشناسی اشیا

بازشناسی اشیا به معنای یافتن یک شی در یک تصویر می باشد. بشر قادر می باشد که بسیاری از اشیای پیرامون خود را بدون کوچکترین مشکلی بازشناسی کند، هرچند ممکن می باشد که این اشیا در حالت های گوناگون و با زوایای دید مختلف و همچنین در اندازه های متفاوت باشند. حتی بشر قادر می باشد اشیا را در حالتی که بخش هایی از آنها را نمی بیند، یا شی دیگری در مسیر دیدش قرار گرفته را نیز بازشناسی کند. اگرچه این امر برای بشر و پستانداران بسیار ساده و عملی می باشد اما در نوع خود یک فرایند محاسباتی بسیار مشکل و پیچیده می باشد. و حل مسایل بازشناسی اشیا کلیدی ارزشمند برای ساخت ماشین های هوشمند نسل آینده می باشد.

1-1- یادگیری ماشین

یادگیری ماشین یک شاخه مهم از گرایش هوش مصنوعی می باشد که هدف آن تعلیم یک ماشین می باشد، به شکلی که بتواند تجربه ها و نمونه های موجود را یاد بگیرد. حاصل این یادگیری، ایجاد یک مدل طبقه بندی می باشد که براساس آن ماشین می تواند نمونه هایی را که در آینده می بیند و مشابه نمونه های موجود هستند، در کلاس مناسب خود قرار دهد. هدف یک سیستم بازشناسی اشیا، قرار دادن اشیا با کمترین خطا، در کلاس مربوط به خودشان می باشد. در سیستم های معمولی بازشناسی اشیا از یک سری فرایندهای استخراج ویژگی و یک طبقه بند بهره گیری می گردد. امروزه روش های بازشناسی اشیا، به عنوان زیرمجموعه ای از یادگیری ماشین، کاربردهای فراوانی در زمینه های مختلف علمی و صنعتی پیدا کرده اند. در حال حاضر از تکنیک های بازشناسی اشیا، در بسیاری از کاربردهای صنعتی، پردازش مستندات، تشخیص هویت و بسیاری از زمینه های دیگر بهره گیری گردد. در فرایند بازشناسی اشیا، تصویرهای اشیای ورودی در کلاس ها و دسته های از پیش تعیین شده طبقه بندی می شوند. در نخست لازم می باشد که یک سیستم کلی بازشناسی الگو که شامل بازشناسی اشیا نیز می باشد مورد مطالعه قرار گیرد.

2-1- بازشناسی الگو

در حالت کلی هر توصیف کیفی یا کمی از یک موضوع را می توان الگو نامید. الگوهای بصری را می توان به صورت ترکیبی از المان های تصویر که هرکدام از آنها دارای سطح روشنایی خودشان هستند، در نظر گرفت. هدف کلی از شناسایی خودکار الگوهای بصری، انتساب نمونه ای از یک الگو که سیستم قبلا آن را تجربه نکرده می باشد به یکی از الگوهایی که قبلا برای سیستم معرفی شده اند، می باشد. این انتساب براساس تحلیل ویژگی های الگوی ورودی و کلاس های موجود انجام می گیرد. رسیدن به این هدف کار مشکلی می باشد، زیرا ممکن می باشد الگوی جدید (تصویر ورودی) نسبت به نمونه های قبلی تغییرات زیادی داشته باشد. این تغییرات می توانند ناشی از شرایط محیطی در هنگام تهیه تصویر و یا مربوط به تغییرهای اجتناب ناپذیر در خود الگو باشند. مانند این تغییرها می توان به نویز وسیله گیرنده تصویر و یا تار بودن تصویر در اثر تنظیم نبودن دوربین تصریح نمود. تغییر در خود الگو هم ممکن می باشد در اثر مرور زمان به وجود آمده باشد.

اولین گام در بازشناسی الگو، جمع آوری شمار مناسبی نمونه از الگوهای مورد نظر (به گونه مثال تصویرهای اشیایی که قرار می باشد بازشناسی شوند) می باشد. این بخش زمان زیادی از فرایند طراحی سیستم بازشناسی الگو را به خود اختصاص دهد و گاهی اوقات با مشکلاتی همراه می باشد. پس از جمع آوری نمونه های لازم، بایستی اقدام به انتخاب نوع ویژگی نمود. انتخاب نوع ویژگی نیازمند دانش اولیه در مورد الگوها می باشد. توانمندی ویژگی برای جداسازی نمونه های کلاس های مختلف، معیار انتخاب آن می باشد. پس از تعیین نوع ویژگی، بایستی روش یادگیری را انتخاب نمود. روش یادگیری می تواند از نوع بدون نظارت، با نظارت و یا ترکیبی باشد. در یادگیری با نظارت، هر الگو از مجموعه داده، با یک برچسب کلاسی همراه می باشد. هدف این می باشد که براساس نمونه های موجود، مدل طبقه بندی را طوری بسازیم که بتواند نمونه هایی را که تاکنون ندیده می باشد با کمترین خطا در کلاس مربوط به خودشان دسته بندی کند. در یادگیری بدون نظارت، الگوها برچسب کلاسی ندارند و براساس شباهت شان در دسته های یکسان قرار می گیرند.

تعداد صفحه : 125

قیمت : شش هزار تومان

 

***

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

—-

پشتیبانی سایت :       

———-          serderehi@gmail.com