دانلود ترجمه مقاله یادگیری مشخصه ی عابر پیاده براساس CNN چند برچسبی برای بیومتریک نرم
| دسته بندی | کامپیوتر |
| بازدید ها | 35 |
| فرمت فایل | doc |
| حجم فایل | 4210 کیلو بایت |
| تعداد صفحات فایل | 18 |
IEEE-ICB 2015
Multi-label CNN Based Pedestrian Attribute Learning for Soft Biometrics
Abstract
Recently, pedestrian attributes like gender, age and
clothing etc., have been used as soft biometric traits for recognizing
people. Unlike existing methods that assume the
independence of attributes during their prediction, we propose
a multi-label convolutional neural network (MLCNN)
to predict multiple attributes together in a unified framework.
Firstly, a pedestrian image is roughly divided into
multiple overlapping body parts, which are simultaneously
integrated in the multi-label convolutional neural network.
Secondly, these parts are filtered independently and aggregated
in the cost layer. The cost function is a combination
of multiple binary attribute classification cost functions.
Moreover, we propose an attribute assisted person reidentification
method, which fuses attribute distances and
low-level feature distances between pairs of person images
to improve person re-identification performance. Extensive
experiments show: 1) the average attribute classification
accuracy of the proposed method is 5.2% and 9.3% higher
than the SVM-based method on three public databases,
VIPeR and GRID, respectively; 2) the proposed attribute assisted
person re-identification method is superior to existing
approaches.
یادگیری مشخصه ی عابر پیاده براساس CNN چند برچسبی برای بیومتریک نرم
چکیده
به تازگی، ویژگیهای عابر پیاده مثل جنس، سن و لباس و غیره، بهعنوان صفات بیومتریک نرم برای شناختن افراد استفاده شدهاند. برخلاف روشهای موجود که استقلال ویژگیها را در طول پیشبینی آنها در نظر میگیرد، یک شبکهی عصبی پیچیده چند برچسبی (MLCNN) را به منظور پیشبینی مشخصات متعدد همراه با هم در چارچوب یکپارچه ارائه میکنیم. ابتدا، تصویر عابر پیاده تقریبا به چند بخش همپوشانیکنندهی بدن تقسیم میشود، که بطور همزمان در شبکه عصبی پیچیدهی چند برچسبی ادغام میشوند. در مرحلهی دوم، این بخشها بطور مستقل در لایهی هزینه فیلتر و طبقهبندی میشوند. تابع هزینه ترکیبی از چند تابع هزینهی طبقهبندی ویژگی دودویی است. علاوه بر این، روش باز شناسایی شخص به کمک ویژگی را ارائه میکنیم، که فواصل ویژگی و فواصل ویژگی سطح پایین را بین جفت تصاویر فرد به منظور بهبود عملکرد بازشناسایی فرد ترکیب میکند. آزمایشهای گسترده نشان میدهند: 1) میانگین دقت طبقهبندی ویژگی روش ارائه شده به ترتیب 5.2% و 9.3% بیشتر از روش مبتنی بر SVM در سه پایگاه داده عمومی، VIPeR و GRID است، 2) روش پیشنهادی بازشناسایی فرد به کمک ویژگی نسبت به روشهای دیگر برتری دارد.
یادگیری مشخصهی عابر پیاده براساس CNN چند برچسبی برای بیومتریک نرم
چکیده
به تازگی، ویژگیهای عابر پیاده مثل جنس، سن و لباس و غیره، بهعنوان صفات بیومتریک نرم برای شناختن افراد استفاده شدهاند. برخلاف روشهای موجود که استقلال ویژگیها را در طول پیشبینی آنها در نظر میگیرد، یک شبکهی عصبی پیچیده چند برچسبی (MLCNN ) را به منظور پیشبینی مشخصات متعدد همراه با هم در چارچوب یکپارچه ارائه میکنیم. ابتدا، تصویر عابر پیاده تقریبا به چند بخش همپوشانیکنندهی بدن تقسیم میشود، که بطور همزمان در شبکه عصبی پیچیدهی چند برچسبی ادغام میشوند. در مرحلهی دوم، این بخشها بطور مستقل در لایهی هزینه فیلتر و طبقهبندی میشوند. تابع هزینه ترکیبی از چند تابع هزینهی طبقهبندی ویژگی دودویی است. علاوه بر این، روش باز شناسایی شخص به کمک ویژگی را ارائه میکنیم، که فواصل ویژگی و فواصل ویژگی سطح پایین را بین جفت تصاویر فرد به منظور بهبود عملکرد بازشناسایی فرد ترکیب میکند. آزمایشهای گسترده نشان میدهند: 1) میانگین دقت طبقهبندی ویژگی روش ارائه شده به ترتیب 5.2% و 9.3% بیشتر از روش مبتنی بر SVM در سه پایگاه داده عمومی، VIPeR و GRID است، 2) روش پیشنهادی بازشناسایی فرد به کمک ویژگی نسبت به روشهای دیگر برتری دارد.
ترجمه مقاله تحقیقات در استراتژی سیستم کنترل تعلیق فعال براساس مدل با پارامتر های سیستم هیدرولیک
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 47 |
| فرمت فایل | docx |
| حجم فایل | 1113 کیلو بایت |
| تعداد صفحات فایل | 13 |
تحقیقات در استراتژی سیستم کنترل تعلیق فعال براساس مدل با پارامتر های سیستم هیدرولیک - 2013
Research on Active Suspension Control Strategy Based on The Model With Parameters of Hydraulic System - 2013 IEEE
چکیده :
عیب تعلیق فعال با دقت پایین باعث شده است که از حرکت محرک به سمت جلو مشکلاتی به وجود آمده و همچنین تجزیه و تحلیل داده های تعلیق وجود دارد . از جمله پارامتر های سیستم تعلیق از طریق ساخت مدل تعلیق فعال در سیستم هیدرولیک است . ضریب ماتریس وزن شتاب بدنه خودرو و انحراف تعلیق و جابجایی تایر از طریق تجزیه و تحلیل کنترل LQg و تعلیق استراتژی کنترل LQg آورده شده است . نتیجه گیری این است که تعلیق فعال کنترل بیشتری بر ثبات و راحتی نسبت به تعلیق فعال داشته و PID شبیه سازی شده و تعلیق فعال و غیر فعال PID شبیه سازی شده و تعلیق فعال و غیر فعال PID با هم مقایسه شده اند . عملکرد خروجی نیروی کنترل LQg بهتر از کنترل PID بوده است که می تواند از نیروی دریافت کننده سیگنال باشد.
کلمات کلیدی : تعلیق فعال , مدل سیستم هیدرولیک , معادله واحد , کنترلLQg , شبیه سازی
1 – مقدمه :
تعلیق فعال بین فضای بدون فنر و معلق سازی براساس تعلیق منفعل می باشد . تعلیق واقعی خودرو می تواند از طریق اندازه گیری سیگنال سنسور شتاب و سنسور جابجایی به دست آید . خروجی محرک با تعیین استراتژی و کنترل آن می تواند اطمینانی از عملکرد فرمان , ترمز و شتاب را به وجود بیاورد . بیشترین پژوهش ها رابط بین نیرو محرکه و جابجایی محرکه را در نظر نگرفته اند . مدل بدون سیستم هیدرولیک دقتی ندارد . نقص ناشی از این رو نتایج عملی متفاوتی را در کنترل نشان می دهد . در نهایت شبیه سازی عملی کاهش را نشان می دهد . هسته تعلیق فعال استراتژی کنترل است . در حالیکه تحقیقات کشور ها هنوز در مرحله بهینه سازی استراتژی کنترل و پژوهش های تئوری است . حالت کنترل اصلی در تعلیق فعال نتیجه کنترل PID و کنترل فازی و کنترل شبکه عصبی و کنترل هوک می باشد .
کنترل PID و کنترل هوک مدل های کنترل نماینده هستند . آنها مقدار قابل توجهی زمان را برای تنظیمات PID نیاز داشته , در حالیکه کنترل هوک همیشه محافظه استحکام تنظیم شده دارد . سه شاخص ارزیابی شتاب شامل بدنه خودرو , انحراف تعلیق و تایر مورد توجه در کنترل LQg بوده و تضمین ثبات کنترل در شرایط مختلف کاری مورد توجه است . مدل براساس کنترل LQg ساخته شده است . که نتیجه آن سیستم هیدرولیک می باشد . و نتیجه مطلوب می تواند از طریق تایید ماتریس وزن متناظر با توجه به هدف کنترل مطلوب به دست آید .
2 – مدل تعلیق فعال :
تعلیق فعال شامل تقویت کننده و آهنربای الکتریکی , شیر کشویی , هیدرولیک و منبع هیدرولیک است . سیستم تعلیق در خودروی چهار چرخ برای این تحقیق مناسب در نظر گرفته شده است . که در آن بدنه ماشین به عنوان یک جسم صلب بوده و تایر ها به عنوان معادل های تعلیق می باشد . مدل فیزیکی در شکل 1 نشان داده شده است .
الف – مدل ورودی جاده
مدل ورودی جاده در تعلیق بسیار مهم است . جاده در این مقاله به صورت طبیعی براساس مدل زیر شرح داده شده است .
معادله1
که در آن X و مشتق X برای سرعت و جابجایی در جاده بوده و F0 وg0 وω(t) محدوده فرکانس پایین و ضریب زبری جاده و وضعیت جاده به طور جداگانه است .