مناقشة رسالة الماجستير : Prediction of Traffic Flow Based on Deep Learning Approach
يوليو 30, 2020 2020-07-30 13:20مناقشة رسالة الماجستير : Prediction of Traffic Flow Based on Deep Learning Approach
مناقشة رسالة الماجستير : Prediction of Traffic Flow Based on Deep Learning Approach
تماشيا مع تعليمات وزارة التعليم العالي والبحث العلمي وتوجيهات رئاسة جامعة النهرين حول استخدام المنصات الالكترونية في إجراء المناقشات لطلبة الدراسات العليا لمنع انتشار العدوى بسبب جائحة كورونا .
تمت اليوم الخميس الموافق 30/7/2020 مناقشة طالبة الماجستير في قسم هندسة الشبكات “دنيا علي عبد الحمزة ” عن رسالتها الموسومة الموسومة :
(Prediction of Traffic Flow Based on Deep Learning Approach )
عبر منصة Zoom meeting الالكترونية.
وقد ضمت لجنة المناقشة كلا من :
ا.د محمود خليل ابراهيم/ كلية هندسة المعلومات ./رئيسا.
ا.م.د عمار عبد الملك عبد الكريم/ كلية هندسة المعلومات ./عضوا.
ا.م.د محمد عصام يونس /جامعة بغداد / كلية الهندسة/عضوا.
ا.م.د عمار داوود جاسم / كلية هندسة المعلومات ./عضوا ومشرفا.
وقد استوفت الطالبة متطلبات الحصول على درجة الماجستير.
نبذة عن الرسالة :
يستخدم التعرف على لوحة الترخيص (LPR) في العديد من التطبيقات ، مثل تقدير حركة المرور ، ومراقبة الحدود ، ورسوم المرور على الطريق السريع. دقة التنبؤ وسرعة LPR مهمة. حسنت التطورات الحديثة في التعلم العميق (DL) من قدرتها على حل مهام التعرف البصري المعقدة. يستخدم DL لتحسين الدقة والسرعة لحل مشكلة .LPR كان الهدف من هذه الرسالة هو اقتراح طريقة تستخدم تقنيات DL للتنبؤ بتدفق حركة المرور من خلال حل مشكلة .LPR تم اقتراح نظام يستخدم الشبكات العصبية التلافيفية (CNN) للكشف عن الأجسام لحل مشكلة .LPR تم إعادة تدريب الشبكة الأولى لتحديد لوحات الترخيص ، والثانية ، باستخدام نهج الميزة القوية السريعة (SURF) للتعرف على الأرقام داخل لوحات الترخيص التي اكتشفتها الشبكة الأولى. كان النهج المقترح جديدًا ولم يتم اختباره في مشروع LPR من قبل. أسفر تقييم الطريقة المقترحة عن توقع عام بنسبة 96٪. في التدريب ، حقق الكشف عن لوحة الترخيص دقة 99.2٪ ، ودقة SURF 96٪ للتعرف على الحروف. عندما كانت الآلية المقترحة تعمل على .GPU هذا للتعلم العميق ، في التعلم الآلي (ML)أيضًا ، تم استخدام K أقرب الجيران (KNN) طريقة LPR ، خوارزمية KNN المستخدمة للكشف والتعرف على LPR بدقة 85 ٪ في التدريب و 90 ٪ في الاختبار ، ليتم مقارنه بين ML و. DL حقق النظام المقترح تنبؤًا عالي الدقة وتفوق على جميع الطرق الأخرى بالنظر إلى سرعة المعالجة عند استخدام وحدة معالجة الرسومات .(GPU) هذا يشير إلى أن استخدام CNNs للكشف عن الأشياء العميقة هو حل جيد لمشكلة .LPR
[Best_Wordpress_Gallery id=”159″ gal_title=”مناقشة دنيا علي”]
