An Experiment Study on Optimal Batch size of U-Net Convolutional Neural Network for Edge detection
- سال انتشار: 1403
- محل انتشار: اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده
- کد COI اختصاصی: DSAI01_057
- زبان مقاله: انگلیسی
- تعداد مشاهده: 74
نویسندگان
Department of Mathematics, Persian Gulf University, Bushehr, Iran
چکیده
The U-Net architecture, initially designed for biomedical image segmentation, canbe repurposed for edge detection tasks by reconfiguring the network’s focus. This paperinvestigates the impact of batch size, a critical hyperparameter in U-Net, on the network’sperformance for edge detection. We conduct experiments with three different image sizes andvarying batch sizes for each image size. By analyzing the trade-offs between accuracy andstability, we identify the optimal batch size that enhances the U-Net model’s performance inedge detection tasks. Our study contributes valuable insights into effectively configuring batchsize to improve U-Net’s performance in edge detection applications.کلیدواژه ها
U-Net, Conventional neural network, Edge detection, Batch sizeمقالات مرتبط جدید
- بررسی نقش و کاربردهای هوش مصنوعی در رشته مترجمی زبان انگلیسی
- چارچوب یکپارچه مبتنی بر یادگیری عمیق برای تشخیص و مقابله با حملات سایبری در شبکه های صنعتی اینترنت اشیاء
- توسعه سیستم توصیه گر هوشمند برای بهینه سازی مصرف انرژی در شبکه های انرژی هوشمند با استفاده از الگوریتم های یادگیری تقویتی
- طراحی معماری سیستم های نهفته خودترمیم شونده برای کاربردهای بلادرنگ در سیستم های حمل و نقل هوشمند
- طراحی و پیاده سازی سیستم امنیتی یکپارچه برای اینترنت اشیاء صنعتی مبتنی بر محاسبات لبه در صنعت ۴.۰
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.