بیست وهشتمین کنفرانس بین المللی کامپیوتر انجمن کامپیوتر ایران
- سال انتشار: 1401
- محل انتشار: بیست و هشتمین کنفرانس بین المللی کامپیوتر انجمن کامپیوتر ایران
- کد COI اختصاصی: CSICC28_013
- زبان مقاله: فارسی
- تعداد مشاهده: 233
نویسندگان
گروه (بخش) مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان
استادیارگروه (بخش) مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان
چکیده
شبکه های عصبی عمیق تاثیر بسزایی در افزایش کارایی الگوریتم های بینایی ماشین از جمله طبقه بندی و بخش بندی تصاویر داشته اند. با توجه به اهمیت گندم در تغذیه بخش بزرگی از جمعیت کره زمین و همچنین اهمیت نظارت و نگهداری از این محصول خوراکی (غالبا به شکل تحلیل خوشه ها)، تشخیص اخوشه گندم در تصاویر گیاهات به جهت مشاهده سلامت، مرحله رشد، وجود غیره امری مهم به شمار می رود.در این مقاله به منظور تشخیص خوشه های گندم در تصاویر از مدل های عمیق موجود در حوزه بخش بندی تشخیص اشیا شامل چهار مدل FASTER-RCNN ، MASK-RCNN ،-RCNN CASCADE وHTC۱ که جزوبهترین مدل ها در این زمینه هستند و در سالهای اخیر ارائه شده اند، استفاده شده است. همچجنین برای بهبود نتایج از روش های یادگیری انتقالی، آگمنت تصاویر و DetectoRS بهره گیری شده است. . نتایج حاصل از آموزش و ارزیابی این مدل ها برای تشخیصخوشه های گندم موجود در مجموعه دادهGWHD نشان داد که استفاده از منطق برگشتی موجود در رویکرد CASCADE موجب افزایش سه و نیم درصدی دقت شده و همچنین سرعت آموزش در مدل HTC را نیز بالا می برد. استفاده از پیشنهادات طراحان DetectoRS نیز این بهبود نتایج را قوت می بخشد.بکار گیری روش آگمنت تصاویر سبب افزایش ۱.۲ درصدی دقت برای مدل HTCمی شود. . از میان مدل های آموزش دیده مدل HTC-DetectoRS بهترین کارایی را برای تشخیص خوشه های گندم دارد توانست بهبهبود ۴.۸ درصدی در مقایسه با پیاده سازی پایه طراحان مجموعه داده GWHD ( مدل RCNN-FASTER) دست پیدا کند.کلیدواژه ها
تشخیص دهنده اشیا،تصویر خوشه ی گندم،پردازش تصویر،شبمه عصبی عمیق،یادگیری ماشینمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
اطلاعات بیشتر در مورد 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.