مروری بر شبکه های مهم یادگیری عمیق CNN و کاربردهای آن در کشاورزی

بهره گیری از شبکه های کانولوشنی با باد گیری عمیق در حوزه کشاورزی به دلیل داشتن توانابیعالی در استخراج ویژگی های تصاویر از محبوبیت بیشتری بر خودار بوده و اخبرا توجه بسیاری ازمحققان را به خود جلب کرده است. این بررسی بیشتر به منظور تشویق و ترغیب محققان به استفاده ازشبکه های لابه عمیق برای حل بسیاری از کارهای مرتبط با حوزه کشاورزی از جمله شناسایی. پیش بینیو طبقه بندی کلاسها در ارتباط با بینایی ماشین، تحلیل تصاویر با به شکل کلی تحلیل داده ها است. مزیتکلی باد گیری عمیق در تامین راهکاری برای ایجاد کشاورزی بایدار. هوشمند و تولید محصول باکیفیت بالا است و می تواند در هوشمندسازی کشاورزی کمک شایانی به کشاورزان در حوزه هایمختلف داشته باشد. در این تحقیق سعی گردید انواع روش های مهم یاد گیری ماشین، شبکه های مختلفیاد گیری عمیق, تعداد بارامترهای آنها و تحلیل اجزا لایه ها بررسی گردد تا دید کامل تری از شبکه هایمتداول باد گیری عمیق بدست آید. همچنین در این گزارش شاخص های ارزیابی کیفی شبکه ها بررسیو معرفی شد تا بتوان از آنها در ارزبایی شبکه ها بهره برد.

کلیدواژه ها:

یادگیری عمیق ، هوش مصنوعی ، شبکه کانولوشن ، نقشه ویژگی