بهینه سازی فرا پارامترهای U-Netجهت افزایش دقت در بخش بندی تصویر
محل انتشار: اولین کنفرانس هوش مصنوعی و پردازش هوشمند
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 911
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISC01_044
تاریخ نمایه سازی: 16 آبان 1401
چکیده مقاله:
در سال های اخیر تلاش برای بهینه سازی سیستم های طراحی شده ی موجود در زمینه علوم مختلف، توسط پژوهشگران مورد توجه ویژه قرار گرفته است. در میان مدلهای مبتنی بر یادگیری عمیق، معماری U-Net به سبب دقت و سرعت بالای یادگیری و پردازش سریع داده ها و نیز عدم نیاز به پایگاههای دادهای بزرگ برای آموزش شبکه، به عنوان یک معماری شناخته شده و محبوب جهت بخشبندی و استخراج ویژگی از تصاویر مطرح شده است. در این مقاله، با به کارگیری الگوریتم فرا ابتکاری ملخ به بهینه سازی تعدادی از فرا پارامترهای مهم و اساسی U-Net می پردازیم. تعیین مقادیر مناسب این فرا پارامترها در کمینه نمودن تابع هزینه ی شبکه بسیار موثر می باشد. نتایج حاصل از این پژوهش نشان دهنده ی افزایش دقت شبکه ی بهینه شده در مقایسه با شبکه ی پایه جهت بخش بندی تصاویر می باشد. افزایش دقت در بخش بندی تصاویر موجب استخراج دقیق تر ویژگی های تصویر و نیز دستیابی به دانشی نزدیک تر به حقیقت می گردد.
کلیدواژه ها:
نویسندگان
علیرضا مهرآوین
دانشجوی کارشناسی ارشد علوم کامپیوتر دانشگاه دامغان
مصطفی زارع خورمیزی
استادیار گروه علوم کامپیوتر دانشگاه دامغان
رضا مرتضوی
استادیار مهندسی کامپیوتر دانشگاه دامغان