آکادمی و موسسه علمی پژوهشی ابن سینا

بحث

در انجام کار رساله حاضر به تشخیص فعالیت انسانی در چارچوب کیف کلمات با در نظر گرفتن برخی نکات ارزنده پرداخته شده است. در ادامه به بیان نوآوری‌های این رساله به صورت خلاصه پرداخته و مزایا و معایب روش خود را شرح می‌دهیم. سپس پیشنهاداتی جهت بهبود این روش و نیز رفع چالشهای موجود در این موضوع بیان می‌نماییم.

نوآوریها و مزایا و معایب آنها

1.    استفاده از مودالیتی‌های مختلف ویژگی نظیر ویژگی‌های شکل و حرکت. با توجه به اینکه جهت استخراج ویژگی شکل از تغییرات حالت بدن استفاده شده و نیز ویژگی حرکت بر پایه شار نوری است، ویژگی‌های مستخرج نسبت به تغییرات روشنایی و ظاهر و بافت حساس نمی‌باشد. همچنین با هم اندازه کردن نواحی جذاب استخراج شده و نیز محاسبه هیستوگرام لبه‌ها (ویژگی شکل)، ویژگی‌ها نسبت به مقیاس و شیفت حساس نیستند. البته ویژگیهای استخراج شده نسبت به چرخش حساس بوده که این مساله در تشخیص فعالیت در برخی موارد مزیت محسوب شده و در برخی فعالیتها که به چرخش حساس نیستند، عیب شمرده می‌شود. قابل ذکر است که چون در این پژوهش تاکید بر قسمت بیان ویدیو نبوده لذا از روشهای ساده موجود استفاده شده است و چه بسا روشهای بهتر بیان ویژگی، دقتهای بالاتری در تشخیص فعالیت داشته باشند.

کارهای پیشنهادی جهت انجام رساله های آینده

در انجام کار رساله حاضر موارد زیر به عنوان پیشنهاد ارائه شده است.

1.    هرچند توصیف‌گرهایی که در این پایان نامه مورد استفاده قرار گرفته است، نسبت به بسیاری از چالشهای بینایی ماشین پایدار است، اما طراحی توصیف‌گرهایی که نسبت به اکثریت موارد نظیر چرخش، شیفت، مقیاس، تغییرات روشنایی و مهمتر از همه زاویه دید دوربین در ویدیو حساس نباشد، مورد نیاز این پژوهش و بسیاری کاربردهای دیگر است. 
2.    طراحی توصیف‌گرهای مناسب شکل که در مقیاس‌های مختلف جزئیات را بیان کند. به عبارت دیگر بتوان در مقیاسهای coarseشکل را به صورت خلاصه و کلی بیان نمود و نیز در مقیاسهای fine جزئیات بیشتری از شکل را توصیف کرد. (از همین ایده برای ویژگی‌های حرکتی نیز می‌توان استفاده کرد.) 
3.    حذف فاصله موجود بین روشهای یادگیری ویژگی بدون ناظر و روشهای بیز بدون پارامتر نظیرlatent Dirichlet Allocation که بر پایه اطلاعات آماری است.
4.    اعمال دیگر دانشهای اولیه در فرمول اصلی کد گذار تنک و گروه‌بندیهای متفاوت با همپوشانی یا به صورت سلسله مراتبی. همچنین اضافه کردن اجزای دیگر نظیر وابستگی عناصر پایه و غیره در مساله بهینه سازی کدگذار تنک.
5.    مدلسازی ارتباط بین عناصر دیکشنری در یک مودالیتی از ویژگی یا ترکیب مناسب آنها در چندین مودالیتی از ویژگیها. 
6.    نگاشت عناصر پایه کدگذار تنک به فضایی که در آنجا نسبت به برخی چالش‌های بینایی ماشین غیر حساس شده باشند. به عنوان مثال با اعمال یک تبدیل و یا هسته خاصی بر روی عناصر پایه، آنها را نسبت به حرکت دوربین و یا چرخش غیر حساس کنیم.
7.    اعمال کدگذار تنک به صورت سلسله مراتبی که در هر مرحله عناصر پایه نشان دهنده مفاهیم خاص باشند. به عنوان نمونه در لایه اول عناصر پایه مانند حالت فعلی نشاندهنده لبه (مانند فیلتر گابور) بوده و در لایه‌های بعد زوایا، اشکال هندسی و در نهایت فیلتر شکل را بیان نمایند.   
8.    استفاده از روشهای جدید کدگذاری مانند fisher vector و VLAD
9.    اعمال روشها بر روی پایگاه داده‌های بزرگ، پر چالش و پیچیده مانند mhdb
10.    استفاده از روشهای فاصله مبتنی بر metric learning در کدگذار تنک جهت استخراج عناصر پایه ای بهتر با ثابت نگه داشتن فاصله بین آنها.
11.    استفاده از این ایده که همه ویژگی‌ها و نیز همه عناصر پایه ای در همه فعالیتها به صورت یکسان اثر ندارند. چه بسا بخشی از ویژگی‌ها یک فعالیت را به صورت کامل بتوانند بیان کنند. به کارگیری این نکته در قسمت دسته بندی امیدبخش است. 

جهت دانلود فایل کمکی انجام کار ساله کلیک کنید

در صورت نیاز به مشاوره و یا داشتن سوال در ارتباط با انجام کار رساله دکتری با ما در ارتباط باشید.