سیف اله سلیمانی

تقسیم‌بندی پوست یکی از مهم‌ترین وظایف برای تشخیص فعالیت‌های انسان، نظارت تصویری، تشخیص چهره، تشخیص حرکات دست، تشخیص مبتنی بر محتوا، فیلتر‌کردن‌ محتوای بزرگسالان، ردیابی انسان و جراحی‌های رباتیک است. تقسیم‌بندی پوست در شرایط ایده آل ‌به‌دلیل‌‌ پیش‌زمینه‌‌های مشابه به راحتی قابل درک است. با این حال، تقسیم‌بندی پوست در موقعیت‌های ‌‌غیرایده‌آل ‌به‌دلیل‌‌ وجود پیکسل‌های مشابه پوست‌، نور پس‌زمینه‌ و تغییرات خاصی در محیط، پیچیده می‌‌شود. مطالعات فعلی با افزودن مراحل پیش‌پردازش به روش‌های ‌خود، چالش‌های ‌ذکرشده را مدیریت می‌‌کنند که هزینه‌ی کلی سیستم را افزایش می‌‌دهد. در این پژوهش، یک شبکه‌ی تقسیم‌بندی معنایی پوست(Eff-UNet) پیشنهاد شده است که از ترکیب دو شبکه‌ی UNet و EfficientNet تشکیل شده است. این شبکه از UNet ‌به‌عنوان رمزگشا و از EfficientNet ‌به‌عنوان رمزگذار استفاده می‌کند و در نتیجه یک شبکه‌ی نامتقارن است. آزمایش‌ بر روی پنج مجموعه‌داده تشخیص فعالیت انسانی برای تقسیم‌بندی پوست انجام شده است. نتایج تجربی نشان می‌دهد Eff-UNet از نظر دقت از بسیاری از روش‌های پیشرفته در تقسیم‌بندی پوست بهتر عمل می‌کند.