طبقه بندی ریزدانه دیداری با استفاده از اتوانکدرکانولوشنال تنک

مقدمه: در این تحقیق یک معماری متفاوت چند لایه بر مبنای یادگیری لغت ­نامه و کدگذاری کانولوشن بنام شبکه کد گذاری تنک جهت ارتقاء دقت طبقه ­بندی ریزدانه معرفی است. طبقه­ بندی ریزدانه به دلیل تنوع درون­کلاسی و شباهت­ های ظریف بین­ کلاسی یکی از چالش ­برانگیزترین ماموریت­های این حوزه محسوب شده و نیازمند ویژگی­ های تفکیک ­کننده می ­باشد.روش: برای رسیدن به نتایج مطلوب در این نوع طبقه ­بندی، مدل­ های مبتنی بر شبکه ­­های عصبی عمیق به گونه­ای طراحی می­شوند که بتوانند با مکان­یابی بخش­های حاوی اطلاعات مهم در سطح تصویر و در سطح ناحیه، ویژگی ­های تفکیک ­کننده را استخراج و در طبقه ­بندی استفاده نمایند. مدل پیشنهادی قابلیت استخراج ویژگی­­های سطح بالا را همچون شبکه ­های عصبی عمیق کانولوشنال دارد و از طرفی همزمان از افزونگی اطلاعات در عمق لایه ­ها جلوگیری می­کند. این دو عامل منجر به نوعی مکانیابی ضمنی می­شود که استخراج ویژگی­های تفکیک­ کننده از این نواحی می­تواند در ماموریت ریزدانه موثر و کارآمد باشد.یافته ­ها: ما در این پژوهش بر مبنای معماری یاد شده، یک اتوانکدر تنک معرفی کرده­ایم که ترکیب آن با یک شبکه عمیق عصبی از پیش آموزش داده شده استاندارد، دقت طبقه ­بندی در مجموعه داده­ های ریزدانه را بهبود بخشید. نتیجه ­گیری: مدل ترکیبی پیشنهادی دقت طبقه­ بندی را به میزان ۵/۳ درصد در مجموعه داده CUB-۲۰۰ نسبت به مدل پایه مورد استفاده در این معماری افزایش می­ دهد و نرخ خطای تشخیص کلاس­های نادرست را در این مجموعه داده به میزان ۲۸ درصد کاهش می­دهد.

کلیدواژه ها:

شبکه کانولوشنال تنک ، آموزش لغت نامه های چند لایه ، استخراج ویژگی ، طبقه بندی دیداری ریزدانه ، اتوانکدر تنک