انجمن بینایی ماشین و پردازش تصویر ایرانمجله ماشین بینایی و پردازش تصویر2383-119713120260622Enhancing Driving Safety via Automatic Driver Distraction Detection Based on Deep Learningافزایش ایمنی رانندگی با تشخیص خودکار عدم تمرکز راننده مبتنی بر یادگیری عمیق121247145FAسمیراکریمی چقاکبودیگروه مهندسی کامپیوتر، دانشگاه رازی، کرمانشاه-ایرانعبدالهچاله چالهگروه مهندسی کامپیوتر، دانشگاه رازی، کرمانشاه-ایران0000-0002-7217-905XJournal Article20251224With the rising number of road accidents caused by driver distraction and aberrant behaviors, the implementation of intelligent systems based on computer vision has emerged as an effective solution to enhance transport safety. In this paper, we propose a novel deep learning-based method for the automatic detection of driver distraction factors. In our proposed approach, the ConvNeXt-Base convolutional neural network is integrated with an SE-Net attention mechanism to extract robust features, which are then fed into a Kolmogorov-Arnold Network (KAN) for final classification. The proposed model was evaluated using the AUCDD-V2 and SFDDD datasets comprising nine classes of distracting behaviors and one class for attentive driving achieving accuracy rates of 95.01% and 95.66%, respectively. Experimental results demonstrate that the proposed method outperforms existing techniques and serves as an effective solution for improving overall driving safety.با افزایش تصادفات جاده‌ای ناشی از حواس‌پرتی و رفتارهای ناهنجار رانندگان، استفاده از سامانه‌های هوشمند مبتنی‌بر بینایی ماشین به یکی از راهکارهای مؤثر در ارتقای ایمنی حمل‌ونقل تبدیل شده است. در این مقاله، یک روش نوین مبتنی‌بر یادگیری عمیق برای شناسایی خودکار عوامل عدم تمرکز راننده ارائه می‌شود. در روش پیشنهادی، شبکه عصبی پیچشی ConvNeXt-Base به‌همراه مکانیزم توجه SE-Net به‌منظور استخراج ویژگی‌های مؤثر به‌کار گرفته شده و خروجی آن به شبکه عصبی KAN برای انجام طبقه‌بندی نهایی ارسال می‌شود. مدل ارائه‌شده بر روی مجموعه‌دادگان AUCDD-V2 و SFDDD که شامل ۹ کلاس از رفتارهای مرتبط با عدم تمرکز راننده و یک کلاس تمرکز راننده است، مورد ارزیابی قرار گرفت و به‌ترتیب به صحت 95.01٪ و 95.66٪ دست یافت. نتایج تجربی نشان می‌دهند که روش پیشنهادی در مقایسه با روش‌های موجود عملکرد بهتری داشته و می‌تواند به‌عنوان راهکاری مؤثر در افزایش ایمنی رانندگی مورد استفاده قرار گیرد.https://www.jmvip.ir/article_247145_4ae9bd6b1421b4f0aa70bf853a4e352d.pdfانجمن بینایی ماشین و پردازش تصویر ایرانمجله ماشین بینایی و پردازش تصویر2383-119713120260622Automatic Assessment of Physical Wheat Grain Health Using an Enhanced U-Net Model with ResNet-50 Backboneارزیابی خودکار سلامت فیزیکی دانه‌های گندم با استفاده از مدل U-Net بهبودیافته با ستون فقرات ResNet-502331247157FAسمیهرنجبردانشجوی دکتری هوش مصنوعی، گروه مهندسی کامپیوتر، واحد سنندج، دانشگاه آزاد اسلامی، سنندج، ایران0009-0004-4442-2472ام الکلثومشهریاریاستادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد سنندج، سنندج، ایرانوفامیهمیاستادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد سنندج، سنندج، ایرانJournal Article20250911Assessing the physical health of wheat grains is crucial for effective supply chain management and food security. In regions such as western Iran, this process traditionally relies on manual visual inspection—a method that is slow, prone to human error, and often leads to inaccurate pricing. To address these shortcomings, this study introduces a fully automated, deep learning-based approach. Our core innovation lies in integrating an enhanced U-Net architecture with a powerful, pre-trained ResNet-50 backbone and employing a class-weighting technique to overcome key challenges such as grain adhesion and class imbalance (i.e., the scarcity of defective kernels). The developed model performs pixel-wise semantic segmentation, classifying images into four distinct categories: background, healthy, unhealthy (broken), and shriveled kernels. Evaluated on an independent test set of 227 images using 5-fold cross-validation, the model achieved a high overall pixel accuracy of 98.2% and a mean Intersection over Union (IoU) score of 0.62. A significant practical advantage is its high inference speed of 0.08 seconds per image, enabling real-time processing. The results demonstrate that this solution provides an accurate, rapid, and reliable tool capable of effectively replacing error-prone manual inspection. It eliminates human subjectivity and provides a standardized, automatable method for assessing grain quality in procurement centers, border inspection stations, and smart farming systems.بررسی سلامت فیزیکی دانه‌های گندم نقشی حیاتی در زنجیره تأمین و امنیت غذایی دارد. در مناطق غربی ایران، این بررسی به‌طور سنتی و از طریق بازرسی چشمی دستی انجام می‌شود که فرآیندی کند، خطاپذیر و منجر به محاسبه نادرست قیمت است. برای رفع این مشکل، این پژوهش یک روش کاملاً خودکار مبتنی بر یادگیری عمیق ارائه می‌دهد. نوآوری اصلی در ترکیب یک معماری U-Net بهبودیافته با یک ستون فقرات (Backbone) قوی از پیش آموزش‌دیده (ResNet-50) و همچنین به کارگیری تکنیک وزن‌دهی کلاس برای غلبه بر چالش‌های کلیدی مانند چسبندگی دانه‌ها و تعداد کم دانه‌های معیوب (عدم تعادل کلاس) است. مدل توسعه‌یافته، تصاویر دانه‌ها را در چهار کلاس مجزا بخش‌بندی می‌کند: پس‌زمینه، سالم، ناسالم (شکسته) و چروکیده. ارزیابی بر روی یک مجموعه داده مستقل شامل ۲۲۷ تصویر و با استفاده از اعتبارسنجی متقاطع پنج‌بخشی نشان داد که مدل به دقت کلی پیکسلی 98.2% و میانگین شاخص اشتراک بر اجتماع(IOU) برابر 0.62 دست می‌یابد. مزیت برجسته مدل، سرعت استنتاج بالا (0.08 ثانیه بر تصویر) است که پردازش بلادرنگ را ممکن می‌سازد. نتایج نشان می‌دهد این راه‌حل، به‌عنوان ابزاری دقیق، سریع و قابل اعتماد، می‌تواند به‌طور مؤثر جایگزین روش دستی شده، خطای انسانی را حذف کند و فرآیند ارزیابی و قیمت‌گذاری گندم را در مراکز خرید، بازرسی مرزی و سیستم‌های کشاورزی هوشمند استانداردسازی نماید.https://www.jmvip.ir/article_247157_eff977361c3c39a86e855fef750ad718.pdfانجمن بینایی ماشین و پردازش تصویر ایرانمجله ماشین بینایی و پردازش تصویر2383-1197131202606223D point cloud classification using an extended deep neural networkدسته‌بندی ابرنقاط سه‌بعدی با استفاده از یک شبکه عصبی عمیق توسعه‌یافته3343247342FAایماناحمدیگروه مهندسی کامپیوتر- دانشگاه بوعلی سینا- همدان- ایرانحسنختن لوگروه مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایرانمعینپیغمبرزادهگروه مهندسی کامپیوتر، دانشگاه بوعلی‌سینا ، همدانJournal Article20250710With the growing prevalence of 3D data acquisition devices,, the availability of point cloud data has increased significantly. Point clouds represent objects in three-dimensional space, and advances in deep neural networks have enabled substantial progress in solving complex 3D vision tasks. Key challenges such as 3D object classification, segmentation, and motion flow estimation have drawn considerable research interest due to these developments.<br><br>In this paper, we propose a novel method to enhance point cloud classification accuracy by constructing neighborhood layers using an optimized KNN algorithm. Local features from these layers are extracted and fused with global features derived from distinctive points, forming an aggregated feature vector for classification. Experiments on the ModelNet40 and ScanObjectNN dataset demonstrate that our approach outperforms existing methods in both accuracy and computational efficiency.با گذر زمان و هرچه بیشتر شدن ابزارهای دریافتگر داده‌های سه‌بعدی ، میزان دسترسی به داده‌هایی همچون ابرنقاط افزایش یافت. ابرنقاط سه‌بعدی از جمله داده‌هایی است که اجسام را در فضای سه‌بعد بازنمایی می کند. این افزایش داده‌ها درکنار پیشرفت فراوان شبکه‌های عصبی عمیق امکان حل مسائل بسیاری را فراهم کرد. دسته‌بندی اجسام سه‌بعدی، قطعه‌بندی آن‌ها و تخمین جریان حرکتی اجسام از جمله مسائلی هستند که با فراهم آمدن شرایطی که پیشتر گفته شد، توجه پژوهشگران بسیاری را به خود جلب کرده‌اند. در این مقاله به منظور بهبود دقت دسته‌بندی ابرنقاط، روشی ارائه شده که با استفاده از نسخه‌ای تغییریافته از تابع KNN لایه‌هایی از همسایگی شکل می‌گیرد . ویژگی‌های هر یک از این لایه‌های همسایگی استخراج می‌شود و پس از آن با الحاق شدن به ویژگی‌های سراسری برآمده از نقاط منحصر به فرد، از بردار تجمیع شده برای عمل دسته‌بندی استفاده می‌گردد. نتایج به دست آمده از اجرای روش ارائه‌شده بر روی مجموعه‌های دادگان ModelNet40 و ScanObjectNN گواهی می‌دهد که این سازوکار توانسته در مقایسه با دیگر روش‌ها به نتایج و کارایی قابل توجهی دست یابد.https://www.jmvip.ir/article_247342_d8f936dc8def8df3b61f0d62436289fd.pdfانجمن بینایی ماشین و پردازش تصویر ایرانمجله ماشین بینایی و پردازش تصویر2383-119713120260622Detection of Anomalous Symbols in Image Data Using Deep Learning Modelsتشخیص نمادهای ناهنجار در داده‌های تصویری با استفاده از مدل‌های یادگیری عمیق4558247588FAمهساسیروزیان فردگروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه صنعتی همدان0000-0001-9472-4453مه لقاافراسیابیگروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه صنعتی همدان0000-0001-9472-4453Journal Article20251203With the rapid growth of visual content in digital environments, manual monitoring of anomalous symbols has become practically infeasible. In this study, a dedicated dataset consisting of 3,659 images of three symbols, namely the All-Seeing Eye, the Inverted Star, and the Square and Compass, was collected and annotated. The dataset was divided into training and testing sets with an 80%–20% ratio. To increase visual diversity and improve model generalization, data augmentation techniques were applied to the training set. The performance of Faster R-CNN, SSD300, and the YOLO family (versions 8 to 12) was evaluated. The results demonstrated that Faster R-CNN achieved Precision of 0.901, Recall of 0.909, and mAP50 of 0.939 on the test set, outperforming the single-stage detection models. The findings indicate that two-stage detection models provide better generalization when dealing with symbols containing fine geometric details and high structural similarities. This research can serve as a foundation for developing intelligent systems for automated visual content monitoring in cultural security and media filtering applications.با گسترش روزافزون محتوای تصویری در فضای مجازی، نظارت دستی بر نمادهای ناهنجار عملاً غیرممکن شده و نیاز به سامانه‌های هوشمند تشخیص خودکار بیش از پیش احساس می‌شود. در این پژوهش، یک مجموعه‌داده اختصاصی شامل 3659 تصویر از سه نماد «چشم جهان‌بین»، «ستاره واژگون» و «گونیا و پرگار» گردآوری و به‌صورت دقیق برچسب‌گذاری شد. داده‌ها با نسبت 80٪ برای آموزش و 20٪ برای آزمون تقسیم گردیدند و به‌منظور افزایش تنوع بصری و بهبود تعمیم‌پذیری، تکنیک‌های افزایش داده بر مجموعه آموزشی اعمال شد. عملکرد مدل‌های Faster R-CNN، SSD300 و خانواده YOLO (نسخه‌های YOLOv8 تا YOLOv12) مورد ارزیابی و مقایسه قرار گرفت. نتایج نشان داد مدل Faster R-CNN در مجموعه آزمون به مقادیر Precision برابر با 0.901، Recall برابر با 0.909 و mAP50 برابر با 0.939 دست یافته و نسبت به مدل‌های تک‌مرحله‌ای عملکرد برتری ارائه کرده است. یافته‌ها حاکی از آن است که معماری‌های دو‌مرحله‌ای در تشخیص نمادهای دارای جزئیات هندسی ظریف و شباهت ساختاری بالا، از قابلیت تعمیم‌پذیری بهتری برخوردارند. نتایج این پژوهش می‌تواند مبنایی برای توسعه سامانه‌های هوشمند پایش و فیلترینگ خودکار محتوای تصویری در کاربردهای نظارتی و تحلیل رسانه‌ای باشد.https://www.jmvip.ir/article_247588_028967eafddafe3f21de78050091da0e.pdf