كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / یازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

مقایسه و ارزیابی مدل‌های یادگیری عمیق در بازیابی هوشمند تصاویر مبلمان با هدف کاربرد در طراحی داخلی

نویسندگان :

حامد باباغیبی ازغندی¹ محمود امین طوسی² مرتضی جعفرزاده³

1- دانشگاه حکیم سبزواری 2- دانشگاه فردوسی مشهد 3- دانشگاه حکیم سبزواری

کلمات کلیدی :

تشخیص مبلمان،یادگیری عمیق،بازیابی تصویر،جستجوی تصویر،مبلمان و دکوراسیون داخلی،شناسایی تصویر

چکیده :

چکیده در این پژوهش، یک سامانه هوشمند بازیابی تصویر مبلمان مبتنی بر یادگیری عمیق طراحی و پیاده‌سازی شده است که هدف آن تسهیل فرایند شناسایی و بازیابی خودکار تصاویر مبلمان در بسترهای طراحی داخلی و فروشگاه‌های آنلاین است. به‌منظور ارزیابی دقیق، چهار مدل شناخته‌شده در حوزه بینایی ماشین شامل Faster R-CNN، Mask R-CNN، YOLOv8 همراه با SAM و U-Net مورد مقایسه قرار گرفته‌اند. مجموعه‌داده اصلی از پلتفرم روبوفلو مشتمل بر تصاویر برچسب‌دار از انواع مبلمان (میز، صندلی، مبل) به‌کار گرفته شده و جهت سنجش تعمیم‌پذیری مدل‌ها، از مجموعه‌ای واقعی و مستقل نیز استفاده گردیده است. پس از مرحله شناسایی و قطعه‌بندی اشیاء، از مدل ResNet-50 برای استخراج ویژگی و الگوریتم نزدیک‌ترین همسایگی به‌منظور بازیابی تصاویر مشابه استفاده شده است. مدل‌ها بر اساس معیارهای ارزیابی متداول مورد سنجش قرار گرفتند. نتایج نشان می‌دهند که مدل Mask R-CNN در تشخیص دقیق مرزهای اشیاء عملکرد بهتری داشته و YOLOv8+SAM از لحاظ سرعت و کارایی در داده‌های واقعی مناسب‌تر عمل کرده است. در نهایت، این سیستم می‌تواند به‌عنوان یک ابزار کمکی مؤثر در سامانه‌های توصیه‌گر طراحی داخلی و پلتفرم‌های فروش اینترنتی مبلمان مورد استفاده قرار گیرد. کلمات کلیدی: یادگیری عمیق، بینایی ماشین، بازیابی تصویر، مبلمان، شناسایی شیء، قطعه‌بندی تصویر.