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: 73
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
- شناسایی ویژگی های سازمان پیشرو در به کارگیری هوش مصنوعی
- قراردادهای هوشمند تجاری در متاورس با هدف خودکارسازی فرآیند تجارت
- Artificial Intelligence-Enhanced Repair Strategies in Online Collaborative EFL Classrooms: Toward a New Paradigm of Interactional Competence
- تاثیر هوش مصنوعی بر کارایی عملیات نظامی اوکراین علیه روسیه
- ارزیابی استرس و اضطراب با استفاده از پردازش سیگنال های مغزی و مدل های یادگیری ماشین
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.