फिशर वेक्टर और पीएसओ आधारित सीएनएन का उपयोग करके छवियों से वस्तुओं का पता लगाने के लिए हाइब्रिड दृष्टिकोण

वस्तु पहचान और वीडियो प्रसंस्करण तथा चित्र धारण के बीच निकट संबंध के कारण, हाल के वर्षों में इस पर काफी शोध रुचि थी। वस्तु पहचान के मानक तरीके निर्मित तकनीकों और धीमी गति वाली संरचनाओं पर केंद्रित हैं। फिशर वेक्टर (FV) और कनवोल्यूशनल न्यूरल नेटवर्क (CNN) दो चित्र व्यवस्था पाइपलाइनों हैं जिनकी विभिन्न विशेषताएँ हैं। जबकि CNN ने विभिन्न वर्गीकरण कार्यों पर बेहतर सटीकता दिखाई है, FV वर्गीकरणकर्ता सामान्यतः प्रशिक्षित करने और मूल्यांकन करने में कम खर्चीले होते हैं। इस पत्र में हम फिशर कर्नेल और सीएनएन के साथ एक पीएसओ अनुकूलन तकनीक के आधार पर छवियों में वस्तुओं का पता लगाने के लिए एक तंत्र का प्रस्ताव देते हैं। यहां फिशर कर्नेल छवि वस्तु से वैश्विक या स्थिर विशेषताएँ खींचता है और सीएनएन का उपयोग छवि से स्थानीय और अधिक जटिल विशेषताएँ निकालने के लिए किया जाता है और यहां हम प्रशिक्षण जटिलता कम करने के लिए PSO के साथ CNN का उपयोग करते हैं। प्रदर्शन परिणाम दर्शाते हैं कि प्रस्तावित मॉडल मौजूदा मॉडलों की तुलना में बेहतर वस्तु पहचान करता है।