1
گروه کامپیوتر، دانشکده مهندسی، دانشگاه آیت اله بروجردی(ره)، بروجرد، ایران
2
گروه هوش مصنوعی، دانشکده برق و کامپیوتر، دانشگاه کاشان، کاشان
چکیده
در حوزه تحلیل ویدئو و بهویژه شناسایی فعالیتهای انسانی، روشهای پیشین علیرغم موفقیتهای به دست آمده، در حفظ مستقیم ویژگیهای فضایی بدون نیاز به پیشپردازش پیچیده و مدلسازی وابستگیهای زمانی طولانی دچار محدودیتهایی بودهاند. در این پژوهش، یک معماری نوین مبتنی بر ترکیب ماشینهای بولتزمن محدود دوبعدی و شبکههای LSTM ارائه میشود که با استخراج دقیق الگوهای فضایی از فریمهای ویدئویی و مدلسازی مؤثر روابط زمانی، خلأ موجود در ادبیات پژوهشی را برطرف میکند. در روش پیشنهادی،ماشینهای بولتزمن بدون نیاز به پیشپردازشهای گسترده، ویژگیهای مهم فضایی را از تصاویر استخراج نموده و شبکههای LSTM وابستگیهای زمانی پیچیده را مدلسازی میکنند. نتایج تجربی حاصل از آزمایش بر روی مجموعهدادههای KTH، UCF Sports و HMDB51 نشان از بهبود عملکرد با دقتهای به ترتیب 95.3٪، 93.4٪ و 70.8٪ دارد که نسبت به روشهای رقابتی موجود، کارایی قابل توجهی به اثبات رسانده است.
جودکی، مجید و ابراهیم پور کومله، حسین. (1403). ترکیب ماشینهای بولتزمن محدود دوبعدی و شبکههای LSTM برای شناسایی فعالیتهای انسانی در ویدئو: یک رویکرد نوین. دوفصلنامه محاسبات و سامانه های توزیع شده، 7(1)، 86–97.
MLA
جودکی، مجید، و ابراهیم پور کومله، حسین. "ترکیب ماشینهای بولتزمن محدود دوبعدی و شبکههای LSTM برای شناسایی فعالیتهای انسانی در ویدئو: یک رویکرد نوین"، دوفصلنامه محاسبات و سامانه های توزیع شده، 7، 1، 1403، 86–97.
HARVARD
جودکی، مجید، و ابراهیم پور کومله، حسین. (1403). 'ترکیب ماشینهای بولتزمن محدود دوبعدی و شبکههای LSTM برای شناسایی فعالیتهای انسانی در ویدئو: یک رویکرد نوین'، دوفصلنامه محاسبات و سامانه های توزیع شده، 7(1), pp. 86–97.
CHICAGO
جودکی، مجید و ابراهیم پور کومله، حسین، "ترکیب ماشینهای بولتزمن محدود دوبعدی و شبکههای LSTM برای شناسایی فعالیتهای انسانی در ویدئو: یک رویکرد نوین." دوفصلنامه محاسبات و سامانه های توزیع شده، 7 1 (1403): 86–97,
VANCOUVER
جودکی مجید، ابراهیم پور کومله حسین. ترکیب ماشینهای بولتزمن محدود دوبعدی و شبکههای LSTM برای شناسایی فعالیتهای انسانی در ویدئو: یک رویکرد نوین. JDCS. 1403;7(1):86–97.