ترجمه فارسی مقاله یک چارچوب یادگیری عمیق مقیاس‌پذیر و تعمیم‌یافته برای تشخیص ناهنجاری در ویدیوهای نظارتی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی A Scalable and Generalized Deep Learning Framework for Anomaly Detection in Surveillance Videos
عنوان مقاله به فارسی یک چارچوب یادگیری عمیق مقیاس‌پذیر و تعمیم‌یافته برای تشخیص ناهنجاری در ویدیوهای نظارتی
نویسندگان Sabah Abdulazeez Jebur, Khalid A. Hussein, Haider Kadhim Hoomod, Laith Alzubaidi, Ahmed Ali Saihood, YuanTong Gu
فرمت مقاله انگلیسی PDF
تعداد صفحات 28
دسته بندی موضوعات Computer Vision and Pattern Recognition,Artificial Intelligence,Machine Learning,چشم انداز رایانه و تشخیص الگوی , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 17 July, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده 17 ژوئیه 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 1,120,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Anomaly detection in videos is challenging due to the complexity, noise, and diverse nature of activities such as violence, shoplifting, and vandalism. While deep learning (DL) has shown excellent performance in this area, existing approaches have struggled to apply DL models across different anomaly tasks without extensive retraining. This repeated retraining is time-consuming, computationally intensive, and unfair. To address this limitation, a new DL framework is introduced in this study, consisting of three key components: transfer learning to enhance feature generalization, model fusion to improve feature representation, and multi-task classification to generalize the classifier across multiple tasks without training from scratch when new task is introduced. The framework's main advantage is its ability to generalize without requiring retraining from scratch for each new task. Empirical evaluations demonstrate the framework's effectiveness, achieving an accuracy of 97.99% on the RLVS dataset (violence detection), 83.59% on the UCF dataset (shoplifting detection), and 88.37% across both datasets using a single classifier without retraining. Additionally, when tested on an unseen dataset, the framework achieved an accuracy of 87.25%. The study also utilizes two explainability tools to identify potential biases, ensuring robustness and fairness. This research represents the first successful resolution of the generalization issue in anomaly detection, marking a significant advancement in the field.

چکیده به فارسی (ترجمه ماشینی)

تشخیص ناهنجاری در فیلم ها به دلیل پیچیدگی ، سر و صدا و ماهیت متنوع فعالیت هایی مانند خشونت ، خرید و فروش و خرابکاری چالش برانگیز است.در حالی که یادگیری عمیق (DL) عملکرد بسیار خوبی را در این زمینه نشان داده است ، رویکردهای موجود تلاش کرده اند تا مدل های DL را در کارهای مختلف ناهنجاری و بدون آموزش گسترده اعمال کنند.این بازآموزی مکرر وقت گیر ، محاسباتی فشرده و ناعادلانه است.برای پرداختن به این محدودیت ، یک چارچوب DL جدید در این مطالعه معرفی شده است ، متشکل از سه مؤلفه اصلی: یادگیری برای تقویت تعمیم ویژگی ، فیوژن مدل برای بهبود نمایندگی ویژگی ها و طبقه بندی چند کار برای تعمیم طبقه بندی کننده در چندین کار بدون آموزش ازهنگام معرفی کار جدید ، خراش دهید.مزیت اصلی این چارچوب توانایی آن در تعمیم بدون نیاز به بازآموزی از ابتدا برای هر کار جدید است.ارزیابی های تجربی نشان دهنده اثربخشی چارچوب ، دستیابی به دقت 97.99 ٪ در مجموعه داده های RLVS (تشخیص خشونت) ، 83.59 ٪ در مجموعه داده UCF (تشخیص خرید و فروش) و 88.37 ٪ در هر دو مجموعه داده با استفاده از یک طبقه بندی واحد و بدون بازآفرینی است.علاوه بر این ، هنگامی که بر روی یک مجموعه داده غیب مورد آزمایش قرار گرفت ، چارچوب به دقت 87.25 ٪ دست یافت.این مطالعه همچنین از دو ابزار توضیح برای شناسایی تعصبات احتمالی ، اطمینان از استحکام و انصاف استفاده می کند.این تحقیق اولین وضوح موفقیت آمیز مسئله تعمیم در تشخیص ناهنجاری را نشان می دهد و پیشرفت قابل توجهی در این زمینه را نشان می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.