ارائه رویکرد ترکیبی در بهبود دسته بندی تصاویر با استفاده از داده افزایی در یادگیری عمیق - تقویتی
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 125
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSCONFERENCE01_057
تاریخ نمایه سازی: 22 آذر 1402
چکیده مقاله:
در سال های اخیر پیشرفت های بسیاری در استفاده از تکنیک های یادگیری عمیق در کاربردهای پردازش تصویر و بخصوصدسته بندی تصاویر حاصل شده است. در این مقاله با استفاده از الگوریتم Q-Learning یادگیری تقویتی، تکنیک داده افزایی در شبکه کانولوشن انجام شده ونتایج دسته بندی تصاویر در شبکه عمیق کانولوشنی (CNN) بهبود داده شده است.در ابتدا تصاویر با استفاده از شبکه عمیق، دسته بندی شده و به هر خروجی یک امتیاز داده می شود. از این امتیاز به عنوانیک معیار پاداش دهی و گذر به حالت جدید در الگوریتم یادگیری تقویتی استفاده می شود.در صورتی که این پیش بینی درستباشد امتیازمتبت و در غیر این صورت امتیاز منفی در نظر گرفته می شود و در ادامه فرایند بهبود یادگیری اتفاق می افتد. درپژوهش حاضر از دادگان Image Net, Cats and Dogs و Caltech-۱۰۱) استفاده شده است و نتایج حاصل با سایرتکنیک های موجود مقایسه شده است.
کلیدواژه ها:
نویسندگان
فرزین یغمایی
دانشیار دانشکده مهندسی برق و کامپیوتر ، دانشگاه سمنا ن
مهلا حاتمی
دانشجوی دکتری، رشته مهندسی کامپیوتر، هوش مصنوعی، دانشگاه سمنان