دراسة تجريبية حول تصنيف المشاة

يُعتبر اكتشاف الأشخاص في الصور مفتاحًا لعدة مجالات تطبيقية مهمة في رؤية الكمبيوتر. تقدم هذه الورقة دراسة تجريبية متعمقة حول تصنيف المشاة؛ حيث يتم فحص مجموعات متنوعة من الميزات والمصنفات من حيث أدائها وفعاليتها باستخدام ROC. نستكشف الميزات العالمية مقابل المحلية والميزات التكيفية مقابل غير التكيفية، كما يتضح من معاملات PCA وموجات Haar وحقول الاستقبال المحلية (LRFs). من حيث المصنفين، نعتبر مكائن الدعم الشعاعي المعروفة (SVMs)، والشبكات العصبية المتقدمة، ومصنف الجار الأقرب k. تُجرى التجارب على مجموعة بيانات كبيرة تتكون من 4000 صورة مشاة وأكثر من 25000 صورة غير مشاة (معلمة) تم التقاطها في بيئات حضرية في الهواء الطلق. تُستخرج نتائج ذات دلالة إحصائية من خلال تحليل تباينات الأداء الناتجة عن تغيير مجموعات التدريب والاختبار. علاوة على ذلك، نبحث في كيفية ارتباط أداء التصنيف وحجم عينة التدريب. يتم تعديل حجم العينة عن طريق زيادة عدد بيانات التدريب المعلمة يدويًا أو من خلال استخدام تقنيات التمهيد التلقائي أو التتابع. تُظهر تجاربنا أن التركيبة الجديدة من SVMs مع ميزات LRF هي الأفضل أداءً. ومع ذلك، يمكن أن تصل سلسلة معززة من موجات Haar إلى نتائج تنافسية جدًا، بتكلفة حسابية أقل. تصبح مجموعة البيانات المستخدمة في هذه الورقة عامة، مما يضع معيارًا لهذه المشكلة المهمة.