سید محمد معین پیغمبر زاده
سید محمد معین پیغمبر زاده
دانشکده فنی و مهندسی
گروه آموزشی مهندسی کامپیوتر
طلاعیه دفاع از پایان نامه کارشناسی ارشد در رشته مهندسی کامپیوتر گرایش هوش مصنوعی
عنوان:
آنالیز صحنه مبتنی بر ابر نقاط 3 بعدی با استفاده از تکنیکهای یادگیری عمیق
استاد راهنما:
جناب آقای دکتر حسن ختنلو
اساتید ممتحن:
جناب آقای دکتر میرحسین دزفولیان
جناب آقای دکتر محرم منصوری زاده
پژوهشگر:
سید محمد معین پیغمبرزاده
زمان:
شنبه 29/10/1397 ساعت 14
مکان:
سمینار 2 دپارتمان برق (سالن مرحوم مهندس خانمحمدی)
Bu-Ali Sina University
Faculty of Engineering
Department of Computer Engineering
Thesis submitted for Master of Science in computer Engineering-Artificial Intelligence
Title:
Scene analysis based on 3d point clouds using deep learning methods
Supervisor:
Dr.Hassan Khotanlou
Judges:
Dr.Mir Hossein Dezfoulian
Dr.Muharram Mansoorizadeh
Author:
Seyed Mohammad Moein Peyghambarzadeh
January 19, 2019
ابر نقطه به عنوان یک نمایش مناسب برای دادههای سه بعدی پذیرفته شده است؛ که بیشتر حسگرها و سنسورهای 3-بعدی قابلیت تولید این نوع داده را دارند. با پیشرفتهای اخیر در تولید این نوع سنسورها، آنالیز ابر نقطه تبدیل به یک زمینه تحقیقاتی مهم در حوزه بینایی ماشین شدهاست که طیف وسیعی از کاربردها به خصوص در حوزه رباتیک (مانند ماشینهای خودران) را شامل میشود. به دلیل ماهیت نامنظم ابر نقاط، آنالیز این نوع داده با استفاده از الگوریتمهای یادگیری عمیق دارای چالشهای زیادی است. جهت حل این چالشها، بیشتر روشهای پیشین ابر نقاط را به دادههای منظم سه بعدی (مانند وکسل) و یا دو بعدی (مانند تصویر) تبدیل میکنند؛ که این تبدیلات منجر به پردازشهای اضافی در این روشها خواهد شد. از این رو، معماری PointNet با استفاده از شبکه عصبی عمیق، برای آنالیز مستقیم ابر نقطه خام معرفی شدهاست. این معماری از مزیتهای همسایگی برای استخراج ارتباط مکانی محلی نقاط به خوبی استفاده نکرده است. در این پایاننامه روشی برای بهبود PointNet، با الهام از عملیات ضرب پیچشی توسط مفهوم فاصله نقطه از صفحه در فضا برای استخراج این ارتباط فضایی محلی، بر روی دادههای ابر نقطه ارائه شدهاست. روش پیشنهادی، جهت ارزیابی وظایف طبقهبندی، قطعهبندی اجزا و قطعهبندی معنایی صحنه بر روی چهار مجموعه داده ModelNet-40، MNIST، ShapeNet-Part و S3DIS اعمال شدهاست. نتایج نشان میدهد که روش پیشنهادی به کارایی قابل قبولی در مقایسه با روشهای پیشین در تمامی وظایف دست یافتهاست.
کلمات کلیدی : ابر نقطه، آنالیز ابر نقطه، یادگیری عمیق، دادههای نامنظم، ارتباط مکانی محلی،
Point cloud is accepted as an adequate representation for 3D data and most 3D sensors have the ability to generate this data. With the recent advances of 3D sensors production, point cloud analysis has become an important field of research in computer vision community. Point cloud analysis is used in a wide range of applications especially in the field of robotics (for instance, autonomous driving). Due to point cloud's irregular format, analyzing this data using deep learning algorithms is quite challenging. To tackle this challenge, most previous researches converted point clouds to regular 3D data (like voxels) or 2D data (like 2D images). This representation conversion usually causes additional processing. Therefore, PointNet architecture was introduced that analyzes point clouds without changing their representation and uses neural networks. Although this architecture does not take full advantage of neighboring structures in order to exploit spatial local correlations. In this thesis, a new method is proposed that improves PointNet. This method is inspired by convolution and uses the concept of the distance between points and planes in order to exploit these spatial local correlations. In order to evaluate the proposed method for classification, part segmentation and scene semantic segmentation tasks, it has been applied on four Datasets: ModelNet-40، MNIST، ShapeNet-Part and S3DIS. The experimental results show the acceptable performance of the proposed method compared to previous approaches in all tasks.
نام و نام خانوادگی : سید محمد معین پیغمبرزاده
رشتهی تحصیلی : هوش مصنوعی و رباتیک
مقطع تحصیلی : کارشناسی ارشد
پست الکترونیکی : smmoeinp@gmail.com
اطلاعات تحصیلی :
1- کارشناسی ارشد :
کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی ، دانشگاه بوعلی سینا همدان (در حال تحصیل ورودی 1395)
معدل : 17.29
2- کارشناسی :
کارشناسی مهندسی تکنولوژی نرم افزار، از دانشگاه شهاب دانش قم (1394-1392)
3- کاردانی :
کاردانی نرم افزار کامپیوتر، از دانشگاه شهاب دانش قم (1392-1389)
4- دیپلم :
دیپلم ریاضی ، دبیرستان طلوع مهر قم (1384-1387)
سابقهی پژوهشی:
مقاله با عنوان Kernel correlation based CNN for point cloud classification task در کنفرانس ICCKE2018
مهارتها :
برنامه نویسی Python, Matlab
مسلط به فریم ورک TensorFlow در واحد پردازنده گرافیکی (GPU)
به اطلاع متقاضیان دکترای سال تحصیلی 1404-1403 رشته های مهندسی (مکانیک - کامپیوتر - برق - مواد - عمران - صنایع) دانشگاه بوعلی سینا می رساند، فهرست اساتید پذیرنده دانشکده مهندسی...
به اطلاع می رساند یک شرکت دانش بنیان در اصفهان نیازمند خدمات تحقیقاتی دانش آموختگان رشته های مواد و شیمی بوده و استخدام می کند. علاقمندان جهت کسب اطلاعات بیشتر و هماهنگی با شماره 03133879868 در...
به گزارش بسنا، مراسم افتتاحیه این پروژه با حضور محمدعلی زلفیگل وزیر علوم، تحقیقات و فناوری و دکتر علیرضا قاسمیفرزاد استاندار همدان، معاونان وزارتخانههای علوم و مسئولان استانی و ریاست...
دفتر هدایت استعدادهای درخشان دانشگاه بوعلیسینا فهرست اسامی دانشجویان برگزیده آموزشی پژوهشی پانزدهمین همایش سالانه دفتر هدایت استعدادهای درخشان سال ۱۴۰۲ را منتشر کرد. اسامی دانشجویان...
بهراد توتونچی دبیر انجمن علمی دانشجویی مهندسی عمران دانشگاه بوعلی سینا، در جلسه ای با حضور نمایندگان دانشگاه های سراسر کشور، با کسب اکثریت آرا انتخابات، به عنوان دبیر...
در هشتمین نشست از دوره یازدهم هیأت ممیزه دانشگاه بوعلیسینا، آقای دکتر علیرضا حاتمی دارای مدرک دکتری در رشته مهندسی برق با ر أ ی اعضاء از مرتبه...
بدینوسیله انتخاب آقای دکتر آرش فتاح الحسینی را به عنوان پژوهشگر برگزیده دانشگاه در گروه فنی و مهندسی به ایشان و خانواده علمی دانشکده مهندسی تبریک عرض نموده و از خداوند متعال...
بدینوسیله انتخاب دو تن از دانشجویان دانشکده مهندسی مهندس راضیه چهارمحالی در مقطع دکتری رشته مهندسی مواد شاخه خوردگی و مهندسی سطح و مهندس امین نظری در مقطع...
بدینوسیله انتخاب سه عضو هیات علمی دانشکده مهندسی جناب آقایان دکتر جواد بهنامیان ، دکتر حسن علم خواه و دکتر محسن گودرزی در...
براساس اطلاعات پایگاه شاخصهای اساسی علم (ESI)، حضوردکتر محمد حسن مرادی از گروه مهندسی برق دانشکده مهندسی در زمره پژوهشگران پراستناد یک درصد برتر دنیا استمرار پیدا کرد. ...
بدینوسیله انتخاب اعضا محترم هیات علمی سرکار خانم دکتر سموئی (گروه مهندسی صنایع)، جناب آقایان دکتر بابائی (گروه مهندسی عمران)، دکتر حاتمی (گروه مهندسی برق)، دکتر ختن لو (گروه مهندسی...
بدینوسیله انتخاب چهار عضو هیات علمی دانشکده مهندسی جناب آقای دکتر جواد بهنامیان از گروه مهندسی صنایع به عنوان پژوهشگر اول برگزیده، جناب آقای دکتر حسن علم خواه از گروه...
به گزارش بسنا و به نقل از سازمان سنجش، آزمون مرحله نهایی بیست و هشتمین دوره المپیاد علمی دانشجویی کشور با حضور نفرات برگزیده آزمون کارشناسی ارشد (متمرکز) و آزمون غیرمتمرکز المپیاد در دانشگاههای...
به اطلاع دانشجویان محترم می رساند سایت کامپیوتر کارشناسی دانشکده مهندسی به دلیل انجام ثبت نام دانشجویان کارشناسی ورودی 1402 از شنبه 1402/7/22 به مدت یک هفته تعطیل می باشد.
به گزارش بسنا و به نقل از معاونت علمی فناوری ریاست جمهوری، در هشتمین دوره تجلیل از سرآمدان علمی کشور در سال ۱۴۰۲ که با حضور معاون علمی و فناوری و اقتصاد دانشبنیان رئیسجمهور و وزیر علوم...
به اطلاع دانشجویان ورودی جدید تحصیلات تکمیلی (ارشد و دکترا) می رساند، یکشنبه 23 مهر ساعت 11 الی 13 در محل آمفی تئاتر دانشکده مهندسی جلسه معارفه با هیات رییسه دانشکده برگزار می شود. ...
بر اساس اطلاعات جدید نمایه استنادی معتبر scopus ۲۰۲۳، با بررسی مقالات مربوط به ۲۰۲۲، 4 عضو هیات علمی و 1 دانش آموخته دانشکده مهندسی و با بررسی کل مقالات مربوط به سال های مختلف، 1 نفر از اعضای هیات...
نظر به مراتب تعهد، تخصص و تجارب ارزشمند جناب آقای دکتر حسن علم خواه و بنا به پیشنهاد رئیس دانشکده مهندسی، به موجب ابلاغی ایشان با حفظ سمت آموزشی به مدت 2 سال به عنوان...
در حکمی از طرف ریاست دانشگاه آقای دکتر امیرسامان خیرخواه به عنوان مدیر گروه رشته مهندسی صنایع منصوب گردید. در این حکم آمده است : « با احترام و آرزوی توفیق الهی، نظر به مراتب تعهد و تجارب...
در حکمی از طرف ریاست دانشگاه آقای دکتر صالح رازینی به عنوان مدیر گروه رشته مهندسی برق منصوب گردید. در این حکم آمده است : « با احترام و آرزوی توفیق الهی، نظر به مراتب تعهد و تجارب ارزنده...