توسعه گردشگری با رشد فناوری اطلاعات و ارائه خدمات مکان-مبنا به تکامل بیشتری منتهی شده است. یکی از زیر ساخت ها در خدمات مکان-مبنا برای ایجاد برنامه های کاربردی در سال های اخیر، تشخیص مقاصد گردشگری و نمادهای زمینی از روی تصویر می باشد تا بر اساس آن سایر اطلاعات به کاربران ارائه شود. در این پژوهش، به عنوان مشارکت اصلی، یک سرویس پردازشی وب برای برخی نمادهای شناخته شده تهران طراحی و آزمایش می شود تا امکان شناخت آن ها از تصویر به صورت آنلاین امکانپذیر شود. همچنین، از مزایای شبکه های عصبی پیچشی خفیف (lightweight) در این راستا بهره گیری می شود. برای این منظور ابتدا چهارصد تصویر از چندین نماد شهر تهران مورد استفاده قرار گرفت و یک شبکه عصبی پیچشی معمولی و یک شبکه عصبی پیچشی خفیف مورد ارزیابی و مقایسه قرار گرفت. شبکه عصبی پیچشی پیش آموزش دیده خفیف، نسبت به شبکه معمولی، صحت کلی 92% در مقابل 71% را نتیجه داد و علاوه بر برتری در سایر متریک های عملکرد، در مدت زمان بسیار کوتاهتر 5 دقیقه در مقابل 90 دقیقه، آموزش دید. پس از آن یک سرویس پردازش وب به کمک فناوری های tensorflow، flask توسعه یافته و بر روی ارائه دهنده سرویس ابری Render راه اندازی شد. ارزیابی های زمانی و مقیاس پذیری نیز نتایج رضایتبخشی نشان داد و روند افزایش زمانی در حضور کاربران همزمان با شیب بسیار کم 0.039 همراه شده و در 90% آزمایش ها، پاسخ موفقی از سمت سرور دریافت شد. این پژوهش نشان داد، رویکرد مذکور می تواند زیرساخت مناسبی برای شناخت و اخذ اطلاعات مقاصد گردشگری در برنامه های کاربردی باشد.
Vahidnia M H. Recognition of landmarks and tourist destinations by designing an image processing web service based on lightweight convolutional neural networks. JGST 2025; 15 (1) : 3 URL: http://jgst.issgeac.ir/article-1-1212-fa.html
وحیدنیا محمد حسن. تشخیص نمادهای زمینی و مقاصد گردشگری با طراحی یک سرویس وب پردازش تصویر مبتنی بر شبکه های عصبی پیچشی خفیف. علوم و فنون نقشه برداری. 1404; 15 (1) :37-48