ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

دسته بندی داده ی سه بعدی با نمایش ابر نقطه با استفاده از تکنیک توجه در شبکه ی عصبی عمیق

سال انتشار: 1399
کد COI مقاله: ITCT09_022
زبان مقاله: فارسیمشاهده این مقاله: 217
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 16 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله دسته بندی داده ی سه بعدی با نمایش ابر نقطه با استفاده از تکنیک توجه در شبکه ی عصبی عمیق

سحر احمدی سهرویه - دانشجوی کارشناسی ارشد مهندسی برق، دانشگاه علم و صنعت ایران، تهران
ستار میرزاکوچکی - دانشیار مهندسی برق، دانشگاه علم و صنعت ایران، تهران

چکیده مقاله:

طی یک دهه ی گذشته یادگیری عمیق به موفقیت های چشمگیری در زمینه ی پردازش و درک داده های دو بعدی دست پیداکرده است و به گزینه ای برتر برای کارهایی نظیر طبقه بندی، تقسیم بندی، تشخیص و ... تبدیل شده است. به همین منظور درحوزه سه بعدی نیز با استفاده از داده های غنی موجود شروع به استفاده شده است. در حالیکه به دلیل ماهیت هندسی پیچیدهی اشیاء سه بعدی و تغییرات ساختاری بزرگ ناشیء از بازنمایی های مختلف سه بعدی، این امر ساده نبوده و چالش هایبسیاری با خود همراه دارد. یکی از انواع بازنمایی های مهم داده ی سه بعدی، نمایش ابرنقطه است. ابرنقطه مجموعه ای از نقاطبدون مرتبه با پراکندگی متفاوت در فضای اقلیدسی سه بعدی است. این داده بر خلاف سایر بازنمایی ها نظیر واکسل ازپیچیدگی و هزینه ی محاسباتی کمتری برخوردار است و نزدیکتری نوع داده به داده ی خام دریافتی از دستگاه های ضبطداده ی سه بعدی نظیر لیدار، دوربی های عمق و رادار است. همچنین افزایش کاربرد عملی در زمینه های روباتیک، اتومبیلخودران، هواپیماهای بدون سرنشی و واقعیت مجازی سبب محبوبیت ای نوع بازنمایی از داده ی سه بعدی شده است. با اینحال استفاده از شبکه های عصبی کانولوشنی به دلیل عدم نظم ذاتی و جایگشت پذیر بودن نقا در ای نوع داده، به شیوه یتصاویر دو بعدی امکان پذیر نمی باشد. در این مقاله به منظور طبقه بندی داده های سه بعدی از شبکه ای با پردازش مستقیم رویبازنمایی ابرنقطه ای از داده ی سه بعدی استفاده شده است. به منظور بهبود این شبکه استتفاده از مکانیزم توجه پیشنهادمی شود. برای ای منظور ماژول توجه ای در فضای سه بعدی متناسب با ساختار داده ی ابرنقطه و چالش های موجود برایپردازش آن طراحی گشته که ویژگی های غن یتر را از ورودی استخراج می کند تا امضای جهانی بدست آمده از کل شکل حاویاطلاعات بهتر و مفیدتری باشد. برای ارزیابی عملکرد شبکه از مجموعه داده ی معروف در امر طبقه بندی داده ی سه بعدی بهاسم modelnet40 استفاده شد و به دقت کل 89.9 % و میانگی دقتت 87.1 % رسیدیم. در انتها مقایسه ی نتایج ما باکارهای دیگران نشان می دهد که در صورت استفاده از این ماژول علاوه بر افزایش دقت، حجم محاسبات و زمان آموزش بسیارکاهش می یابد.

کلیدواژه ها:

یادگیری عمیق، طبقه بندی داده ی سه بعدی، ابرنقطه، مکانیز توجه

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ITCT09_022 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1041340/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
احمدی سهرویه، سحر و میرزاکوچکی، ستار،1399،دسته بندی داده ی سه بعدی با نمایش ابر نقطه با استفاده از تکنیک توجه در شبکه ی عصبی عمیق،نهمین کنفرانس بین المللی فناوری اطلاعات،کامپیوتر و مخابرات،https://civilica.com/doc/1041340

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، احمدی سهرویه، سحر؛ ستار میرزاکوچکی)
برای بار دوم به بعد: (1399، احمدی سهرویه؛ میرزاکوچکی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 22,157
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی