استادیار گروه بیوتکنولوژی، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران
محل انتشار: مجله علوم رایانشی، دوره: 6، شماره: 1
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 79
فایل این مقاله در 29 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:
JR_CSJI-6-1_004
تاریخ نمایه سازی: 14 بهمن 1402
چکیده مقاله:
شبکه عصبی پیچشی (CNN) یکی از روش های عمیق یادگیری ماشین است که با توجه به کارایی بالای آن، امروزه استفاده از آن در استخراج ویژگی و دسته بندی تصاویر امر بسیار رایجی شده است. در این مقاله برای آشنایی بیشتر پژوهشگران با این حوزه و نوآوری های مرتبط با این شبکه، ساختار اصلی این شبکه و تعداد ۱۰ معماری مهم و رایج آن مرور شده است. با مطالعه مقالات اصلی ارائه دهنده هر یک از معماری های شبکه پیچشی، نکات مهم و اصلی هر معماری که موجب بهبود عملکرد آن نسبت به موارد پیشین خود شده، جمع آوری و بررسی شده است. علاوه بر آن، مقایسه دقت معماری های مختلف این شبکه بخش دیگری از این مقاله مروری است. با توجه به حجم بالای مطالب در این حوزه و رشد سریع آن، نیاز به یک مرجع که همه مطالب ارائه شده تاکنون را در کنار هم مرور کرده باشد، انگیزه نوشتن این مقاله بوده است. مطالعه ساختارها و تکنیک های استفاده شده برای بهبود این شبکه می تواند به پژوهشگران در ایجاد ساختارهای بهینه تر و دقیق تر کمک کند.
کلیدواژه ها:
نویسندگان
فاطمه باجالن
دانشکده علوم و فنون نوین- دانشگاه تهران - ایران
هادی ویسی
استادیار دانشکده علوم و فنون نوین- دانشگاه تهران - ایران
محمد خوانساری
دانشیار دانشکده علوم و فنون نوین- دانشگاه تهران - ایران