فهرست مطالب نویسنده:
کورش کیانی
-
با توجه به افزایش روز افزون حجم ویدئوهای تولید شده توسط دوربین های امنیتی و نظارتی در مکانهای شخصی و عمومی، نظارت بر فعالیت های موجود در ویدئو امری حیاتی می باشد. بسیاری از نظارتهای ویدئویی برای بررسی صحت عملکرد و هشدار هنگام وقوع یا انجام اعمال غیرطبیعی میباشد. در این راستا، مدل های هوشمند مختلفی جهت تشخیص فعالیت های موجود در ویدئو ارائه گردیده است. با توجه به پیشرفت های اخیر در حوزه هوش مصنوعی و به خصوص یادگیری عمیق، در این مقاله، مدلی مبتنی بر شبکه ترنسفورمر ارائه می گردد. در این راستا، به منظور کاهش میزان محاسبات، نقاط کلیدی بدن مورد استفاده قرار می گیرند. تعداد 15 نقطه کلیدی بدن به مدل ترنسفورمر وارد می گردند تا با تکیه بر پردازش موازی این شبکه در حالت آموزش و نیز مکانیسم خودتوجهی، سرعت و دقت مدل افزایش داده شود. نتایج تجربی بر روی پایگاه داده عمومی JHMDB حاکی از بهبود دقت تشخیص فعالیت های غیرطبیعی نسبت به مدل های پایه می باشد.
کلید واژگان: پردازش ویدئویی, نظارت ویدئویی, اعمال غیرطبیعی, یادگیری عمیق, شبکه ترنسفورمرGiven the increasing daily volume of videos generated by security cameras in personal and public spaces, monitoring the activities present in videos has become crucial. Many video surveillance systems are designed to verify performance accuracy and provide alerts during the occurrence of abnormal activities. In this regard, various intelligent models have been proposed for detecting activities in videos. Considering recent advances in artificial intelligence, particularly deep learning, this paper introduces a model based on the Transformer network. To reduce computational complexity, keypoints of the human body are utilized in this approach. Fifteen key body points are input into the Transformer model, leveraging parallel processing during training and a self-attention mechanism. This enhances the speed and accuracy of the model. Experimental results on the JHMDB public database indicate an improvement in the accuracy of detecting abnormal activities compared to baseline models. Keywords: Video processing, Video surveillance, Abnormal activities, Deep learning, Transformer Network.
Keywords: Video Processing, Video Surveillance, Abnormal Activities, Deep Learning, Transformer Network -
طبقه بندی ارقام جدا شده چالش اساسی برای بسیاری از سیستم های طبقه بندی گفتار است. درحالی که کارهای زیادی بر روی زبان های گفتاری انجام شده است، تحقیقات محدودی در مورد داده های رقمی گفتاری فارسی در ادبیات گزارش شده است و تمامی تحقیقات مربوط به اعداد صفر تا 9 بوده است. برای این منظور، پایگاه داده ی جامعی شامل بازه ی وسیعتری از اعداد با مشارکت 145 نفر که شامل هفتاد نفر مرد و 75 نفر زن هستند، جمع آوری گردیده است. پایگاه داده مذکور، بازه عددی صفر تا 599 را پوشش می دهد. پس از پیش پردازش داده ها، داده های صوتی تبدیل به طیف نگار مل شده و برای استخراج ویژگی و طبقه بندی داده ها از شبکه عصبی کانولوشنی و نیز یک مدل ترکیبی شامل مدل ترنسفورمر و حافظه کوتاه و بلند مدت استفاده گردیده است. نتایج تجربی بر روی پایگاه داده جمع آوری شده حاکی از دقت اعتبارسنجی 98.03 درصد می باشد. آنالیزهای مختلفی نیز بر روی آزمایش و آزمون مدل ها صورت گرفته است.کلید واژگان: ارقام گفتاری, طبقه بندی, ارقام گفتاری فارسی, طیف نگار مل, پایگاه داده, ترنسفورمرClassification of isolated digits is a fundamental challenge for many speech classification systems. Previous works on spoken digits have been limited to the numbers 0 to 9. In this paper, we propose two deep learning-based models for spoken digit recognition in the range of 0 to 599. The first model is a Convolutional Neural Network (CNN) model that uses the Mel spectrogram obtained from the audio data. The second model uses the recent advances in deep sequential models, especially the Transformer model followed by a Long Short-Term Memory (LSTM) Network and a classifier. Moreover, we also collected a dataset, including audio data by a contribution of 145 people, covering the numerical range from 0 to 599. The experimental results on the collected dataset indicate a validation accuracy of 98.03%.Keywords: Spoken digits, Persian digits, Deep learning, Convolutional Neural Network (CNN), Mel spectrogram, Transformer
-
یادگیری عمیق، یکی از رویکردهای مورد توجه در یادگیری ماشین می باشد که شامل معماری های مهمی می باشد. شبکه کانولوشنی عمیق، یکی از معماری های مورد توجه در یادگیری عمیق می باشد که در پردازش های مربوط به تصاویر دیجیتالی کاربرد فراوانی پیدا کرده است. در این پژوهش، شبکه کانولوشنی Alexnet، به منظور شناسایی چهره در عکس های ورودی، مورد استفاده قرار گرفته است. تنظیم دقیق مدل از قبل تعلیم داده شده ی Alexnet، با تبدیل لایه های کاملا متصل به لایه های کانولوشنی و اعمال فیلتر های مناسب، انجام شده است. استفاده از برش های مختلف عکس ورودی و نیز افزایش تعداد لایه های کانولوشنی به منظور استخراج خصوصیت های با سطح بالاتر به همراه فیلترهای مناسب در مدل های پیشنهادی مورد توجه قرار گرفته است. به منظور تجسم اعمال فیلترها در لایه های مختلف، از روش کانولوشن معکوس استفاده شده است. از دو پایگاه داده ی Caltech face و LFW به منظور نشان دادن نتایج، استفاده شده است. پس از پردازش های لازم بر روی پایگاه داده های مورد استفاده، نتایح به دست آمده از شبکه Alexnet، قبل و بعد از تنظیم دقیق، مورد بررسی قرار گرفته است. نتایج بررسی، حاکی از بهبود عملکرد شبکه، تحت عملیات انجام شده، می باشد.کلید واژگان: یادگیری عمیق, شبکه کانولوشنی عمیق, تنظیم دقیق, شناسایی چهره, یادگیری انتقالی, کانولوشن معکوسDeep learning is one of the most important scopes of the Machine Learning that includes some important architectures. Deep Convolutional Neural Network is one of the attractive architectures that uses in digital image processing. In this paper, we use the Alexnet model for face recognition from input images. We fine-tune the Alexnet model by converting one or two fully connected layers to convolutional layers as well as using the suitable filters. To improve the robustness of the model in coping with the situations that some parts of the input images damaged, we use five crops of the input images including five pixel areas. Furthermore, to visualize the output of each layer, we use the Deconvolution technique in our method. The output of some convolutional and activation layers has been shown. Using this technique, we obtain the Heat-map of the image. To show the results, we use the LFW and Caltech faces datasets. After pre-processing the images of datasets, we compare the results of the Alexnet model in two states: before fine-tuning and after fine-tuning. The results show the recognition accuracy improvement of the fine-tuned models on input images.Keywords: Deep learning, Deep Convolutional Neural Network, Fine-tuning, Face recognition, Transfer learning, Deconvolution
-
نشریه نامه آموزش عالی، پیاپی 44 (زمستان 1397)، صص 121 -151پژوهش حاضر باهدف ارائه مدل ساختاری از عوامل موثر بر گرایش به مهاجرت دانشجویان نخبه در دانشگاه سمنان اجرا شد. روش پژوهش، توصیفی - همبستگی و مبتنی بر معادلات ساختاری بود. جامعه و نمونه آماری، شامل دانشجویان (دختر و پسر) استعداد درخشان دانشگاه سمنان (114 نفر) در نیمسال دوم تحصیلی 96-95 بود. ابزارهای اندازه گیری شامل پرسشنامه محقق ساخته (1396) و پرسشنامه گرایش به مهاجرت (جانعلی زاده و همکاران، 1393) بود. یافته های پژوهش، 7 عامل اصلی به عنوان عوامل موثر بر گرایش به مهاجرت دانشجویان نخبه از دانشگاه سمنان را نشان داد که در این میان، عوامل علمی آموزشی و روان شناختی به ترتیب بالاترین میانگین را به خود اختصاص دادند؛ همچنین نتایج آزمون های نیکویی برازش مدل های کمی، نیز برازش مناسب مدل نهایی عوامل موثر بر گرایش به مهاجرت دانشجویان نخبه را از دانشگاه سمنان تایید کرد. نتایج نشان داد که مسئله مهاجرت دانشجویان نخبه از دانشگاه مطابق با یافته های پژوهش، تنها بر اساس یک متغیر، مورد بررسی و تحقیق قرار نمی گیرد بلکه متغیرهای متعددی همچون عوامل اجتماعی، سیاسی، فرهنگی، اقتصادی، سازمانی، روان شناختی و علمی آموزشی در ارتباط با یکدیگر و به طور هم زمان در نظر گرفته می شوند.کلید واژگان: مهاجرت نخبگان, گرایش به مهاجرت, دانشجویان نخبه, آموزش عالیThe purpose of this study was to provide a structural model of factors affecting the elite students’ immigration tendency in Semnan University. The research method was based on a descriptive-correlational design focused on structural equations. The statistical population and sample of the research included top (male and female) students in Semnan University in the second semester of the Academic Year 2016-2017. The measurement tools included two questionnaires of Researcher-Made Questionnaire (2017) and Questionnaire on Immigration Tendency (Janalizadeh et al., 2014). The findings of this study revealed seven main factors as factors affecting the tendency to immigrate among elite students in Semnan University, among whom scientific-academic and psychological factors accounted for the highest average. The results of goodness of fit tests indicated that the final model on the factors influencing the tendency to immigrate among elite students in Semnan University was desirable. The results showed that, according to research findings, the phenomenon of immigration of elite students was not based on a single variable, rather various variables such as social, political, cultural, economic, organizational, psychological and scientific-academic factors should be simultaneously considered in connection with each other.Keywords: Immigration of elites, tendencyto immigration, elite Students, highereducation
-
پژوهش حاضر با هدف بررسی ارتباط بین جو دانشگاه و نظام ارزشی با گرایش به مهاجرت دانشجویان دانشگاه سمنان انجام شد. روش پژوهش از نوع توصیفی هم بستگی بود. جامعه آماری شامل دانشجویان دانشگاه سمنان (13089 نفر) که با استفاده از روش نمونه گیری تصادفی طبقه ای و جدول کرجسی و مورگان، تعداد 384 نفر از آن ها به عنوان نمونه پژوهش انتخاب شدند. ابزارهای اندازه گیری شامل سه پرسش نامه استاندارد، گرایش به مهاجرت، پرسش نامه جو دانشگاه و پرسش نامه زمینه یابی ارزشی شوارتز (SVS) بود که پایایی آنها با روش ضریب آلفای کرونباخ برآورد شد. یافته های پژوهش میزان گرایش به مهاجرت در بین دانشجویان را متوسط به بالا نشان داد. همچنین، تمامی ابعاد جو دانشگاه و نظام ارزشی، ضمن داشتن رابطه، توانایی پیش بینی گرایش به مهاجرت دانشجویان را داشتند. بنابراین با بررسی تاثیر زوایای گوناگون جو دانشگاه و نظام ارزشی دانشجویان، می توان به چگونگی رفتار، احساسات، دیدگاه ها و نگرش آنان درخصوص گرایش به مهاجرت پی برد و واکنش احتمالی آنان را ارزیابی، پیش بینی و حتی هدایت کرد.کلید واژگان: فرار مغزها, گرایش به مهاجرت, جو دانشگاه, نظام ارزشیPresent study aimed to investigate the relationship between university atmosphere and the value system with tendency to emigration among Semnan University students. The method of research was descriptive-correlational. The study population consisted of university students of Semnan (13089 students). Using random stratified sampling and Morgan table, 384 of them were selected as sample. Measurement tools included questionnaire of tendency to emigration (Janalizadeh et al, 2014), questionnaire of university atmosphere (Nosrati et al, 2015), and questionnaire of Value Survey (Schwartz, 2004). Reliability was calculated with Cronbach alpha and was respectively (82.0), (87/0) and (91/0) for each instrument. Based on research findings the tendency of migration among students was ranging from moderate to high. Also, all dimensions of the university atmosphere and value system showed relationship with and were able to forecast students tendency to migrate.Keywords: Brain drain, Tendency to immigration, University atmosphere, Value system, Semnan university
-
پژوهش حاضر باهدف بررسی تاثیر میزان رضایت دانشجویان، نگرش نسبت به تصویر دانشگاه و جو دانشگاه بر گرایش به مهاجرت از کشور دانشجویان نخبه دانشگاه سمنان انجام شد. بدین منظور بر اساس روش پژوهش توصیفی- همبستگی و با استفاده از پرسشنامه های، گرایش به مهاجرت، جانعلیزاده و همکاران (2014)، رضایت دانشجویان، ایزدی و همکاران (2008)، نگرش دانشجویان از تصویر دانشگاه، لورا و همکاران (2003) و جو دانشگاه، نصرتی و همکاران (2015)، داده های پژوهش از 163 دانشجوی نخبه دانشگاه سمنان جمع آوری شد. تحلیل دادها در خصوص متغیرهای جمعیت شناختی پژوهش نشان داد که دانشجویان پسر، دانشجویان مجرد و دانشجویان کارشناسی ارشد، نسبت به سایر دانشجویان، گرایش بیشتری به مهاجرت از کشور داشتند. همچنین نتایج آزمون همبستگی پیرسون نشان داد که رابطه متغیرهای میزان رضایت، نگرش دانشجویان به تصویر دانشگاه و تمامی ابعاد جو دانشگاه با گرایش به مهاجرت دانشجویان، منفی و معنادار بود؛ در ضمن متغیرهای پژوهش، به میزان 16 درصد، توانایی پیش بینی گرایش به مهاجرت دانشجویان را از کشور داشتند. همچنین در خصوص وضعیت گرایش، یافته ها نشان داد که 2/51 درصد گرایش متوسط و 6/33 درصد از دانشجویان نخبه گرایش بالایی برای مهاجرت از کشور اعلام کردند. نتیجه به دست آمده نشان داد که با بررسی میزان رضایت دانشجویان نخبه و نوع نگرش آنان نسبت به تصویر دانشگاه و تحلیل زوایای گوناگون جو دانشگاه، می توان به چگونگی رفتار، احساسات، دیدگاه ها و نگرش دانشجویان نخبه در خصوص گرایش به مهاجرت پی برد و واکنش احتمالی آنان را، ارزیابی، پیش بینی و حتی هدایت کرد؛ چراکه مسئله مهاجرت نخبگان از کشور، یک معلول تک علتی نیست و دارای ابعاد گسترده و درهم تنیده ای است که نادیده گرفتن هر عامل از آن سبب درک نادرست و غیرواقعی از این پدیده می گردد.کلید واژگان: دانشجویان نخبه, گرایش به مهاجرت, رضایت دانشجویان, تصویر دانشگاه, جو دانشگاه
بدانید!
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.