طبقه بندی تصاویر با استفاده از یادگیری عمیق در پایتون

زمینه و هدف : یادگیری عمیق یک روش یادگیری ماشینی است که به کامپیوتر یاد می دهد آنچه را که به طور طبیعی به انسانمی آید انجام دهد: با مثال یاد بگیرید. یادگیری عمیق یک فناوری کلیدی در پشت اتومبیل های بدون راننده است که به آنها امکانمی دهد یک علامت توقف را تشخیص دهند یا یک عابر پیاده را از یک چراغ جلو تشخیص دهند. این کلید کنترل صدا در دستگاههای مصرف کننده مانند تلفن ها ، تبلت ها ، تلویزیون ها و بلندگوهای هندزفری است. یادگیری عمیق اخیرا و به همین دلیل بسیارمورد توجه قرار گرفته است. این نتیجه ای است که قبلا امکان پذیر نبود.روش تحقیق : در یادگیری عمیق ، یک مدل کامپیوتری یاد می گیرد که کارهای طبقه بندی را مستقیما از روی تصاویر ، متن یاصدا انجام دهد. مدل های یادگیری عمیق می توانند به مدرن ترین دقت برسند ، گاهی اوقات از عملکرد سطح انسانی فراتر می روند.مدل ها با استفاده از مجموعه بزرگی از داده های دارای برچسب و معماری شبکه عصبی که حاوی لایه های بسیاری هستند ، آموزش می بینند.نتایج: مدل طراحی شده را بر روی مجموعه داده های مورد نظر ازمایش میکنیم. مدل طراحی شده بر روی داده های سرطان تا ۹۳درصد و بر روی داده های گل تا ۹۹ درصد به درستی تشخیص میدهد.

کلیدواژه ها:

یادگیری عمیق ، پایتون ، کانولوشن ، یادگیری ماشین ، داده های تست و اعتبارسنجی