عنوان مقاله:

نویسندگان:

مهدیه شاه محمدی، مرتضی محمدی زنجیره، ندا فرجی یامچلو

در سال‌‌های اخیر، بازشناساسی افراد (ReID) توجه گسترده‌ای را در زمینه‌های بینایی ماشین و نظارت به خود جلب کرده است، به ویژه در توسعه سیستم‌هایی که می‌توانند به طور موثر افراد را از زوایای مختلف دوربین شناسایی کنند. روش‌های سنتی ReID اغلب با انتقال دامنه (domain shift) دست و پنجه نرم کرده که منجر به کاهش عملکرد هنگام اعمال بر محیط‌های جدید می‌شود. این مقاله، به مطالعه جامع از چندین پژوهش نوین که بر تکنیک‌های بازشناسایی افراد با قابلیت تعمیم‌پذیری به دامنه متمرکز هستند، می‌پردازد. تعمیم‌پذیری به دامنه، به قابلیت الگوریتم‌ها برای بازشناسایی افراد در شرایط و محیط‌های مختلف اشاره دارد که خود به ایجاد سیستم‌های مقاوم‌تر و کارآمدتر منجر می‌شود. در این راستا مقالات بررسی شده به رویکردهای مختلفی نظیر یادگیری عمیق و تکنیک‌های توسعه مدل پرداخته اند. با تحلیل عناصری چون روش‌های پیشنهادی، مجموعه داده‌ها و معیارهای ارزیابی عملکرد و رویکردهای به کار رفته در پژوهش‌های اخیر را بررسی کرده و با روش‌های موجود در این زمینه آشنا می‌شویم که به شناسایی نقاط قوت و ضعف رویکرد های موجود کمک می‌کند. هدف این بررسی ارائه یک درک جامع از استراتژی‌های ReID با قابلیت تعمیم‌پذیر به دامنه است، و بینش‌هایی را ارائه می‌دهد که می‌تواند برای محققان و توسعه دهندگان به منظور بهبود و ارتقاء سیستم‌های بازشناسایی افراد در شرایط واقعی و متنوع مفید باشد و توسعه سیستم‌های تشخیص هویت موثرتر و سازگارتر را هدایت کند.

بازشناسایی افراد، تعمیم‌پذیر به دامنه، تابع زیان، نرمال سازی

برای لینک‌دهی به این مقاله از آدرس زیر استفاده نمایید:

برای ارجاع در منابع از عبارت زیر استفاده کنید:
شاه محمدی، مهدیه، محمدی زنجیره، مرتضی، فرجی یامچلو، ندا، 1404، روش‌های تعمیم‌‌پذیر به دامنه در بازشناسایی افراد: مروری بر روش‌‌های نوین و چالش‌ها، بیست و یکمین کنفرانس ملی دانشجویی مهندسی برق ایران، https://conference.uok.ac.ir/fa/archive_index.php?c=HN-iscee21&aid=1517973