طراحی و پیاده سازی یک سیستم یادگیری عمیق بهبود یافته برای طبقه بندی تصاویر و مقایسه عملکرد آن با شبکه عصبی مصنوعی
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 900
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
- هوش مصنوعی > هوش مصنوعی
- هوش مصنوعی > شبکه عصبی
- هوش مصنوعی > یادگیری ماشین
- هوش مصنوعی > پردازش تصویر
- هوش مصنوعی > یادگیری عمیق
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP02_162
تاریخ نمایه سازی: 7 اسفند 1396
چکیده مقاله:
امروزه بحث پردازش و طبقه بندی تصاویر، در سیستم های حمل و نقل، صنایع، امور نظامی، پزشکی و ... بسیار مورد توجه قرار گرفته و یکی از زمینه های جذاب برای تحقیق به شمار می رود. یکی از الگوریتم های موفق در زمینه پردازش تصویر، الگوریتم شبکه عصبی کانولوشن است که از زیرمجموعه های الگوریتم یادگیری عمیق به شمار می رود. در این مقاله الگوریتم شبکه عصبی کانولوشن و موارد موثر در بهبود دقت و عملکرد این الگوریتم مورد بررسی قرار گرفته است. بدین منظور پس از معرفی کلی هر یک از این موارد، سیستمی طراحی شده، دقت و عملکرد آن برای کلاس بندی و تشخیص تصاویر دیتاست مورد نظر به دست آمد. در انتها مقایسه ای بین عملکرد کلی الگوریتم یادگیری عمیق با شبکه عصبی مصنوعی انجام گرفته است. در این مقاله از دیتاست تصاویر راهنمایی رانندگی آلمان استفاده شده و دقت بدست آمده در این مقاله در حدود 89/99 درصد بوده که در مقایسه با حالت های قبل بهبود داشته است.
کلیدواژه ها:
نویسندگان
فاطمه محمدی امین
گروه مهندسی مکاترونیک، دانشکده فناوری نوین، دانشگاه تبریز ، تبریز، ایران
بهروز کوهستانی
استادیار گروه مهندسی مکاترونیک، دانشگاه تبریز، تبریز، ایران
بهنام داداش زاده
استادیار گروه مهندسی مکاترونیک، دانشگاه تبریز، تبریز، ایران