بهبود دسته بندی تصاویر با استفاده از شبکه های عصبی کانولوشن

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 937

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PCCO01_207

تاریخ نمایه سازی: 26 مرداد 1397

چکیده مقاله:

هدف از دسته بندی تصاویر، تشخیص محتوای یک تصویر و تعیین دسته ای است که تصویر بدان تعلق دارد. برای آن که بتوان محتوای یک تصویر را شناسایی کرد، لازم است اطلاعاتی از تصویر استخراج شده و مورد پردازش قرار گیرد. برای پردازش این اطلاعات روش های مختلفی ارایه شده است که هرکدام ویژگی های خاص خود را دارند. در این مقاله از بخش بندی تصویر به عنوان پیش پردازش و سپس از شبکه های عصبی کانولوشن 3، شبکه الکس نت برای دسته بندی استفاده شده است. برای استخراج شیء اصلی تصویر میتوان از بخش بندی تصویر استفاده کرد. به این ترتیب میتوان دادن اطلاعات معنادارتری از تصویر استخراج کرد. از روش سوپرپیکسل نیز برای بخشبندی تصاویر استفاده شده است هدف این تحقیق افزایش دقت دسته بندی روی مجموعه داده Caltech است. دقت دسته بندی با استفاده از روش پیشنهادی به 92% درصد رسیده است که در مقایسه با سایر روش های موجود از کارایی بسیار بالاتری برخوردار است

کلیدواژه ها:

دسته بندی ، بخش بندی ، شبکه های عصبی کانولوشن ، سوپرپیکسل ، الکسنت

نویسندگان

علی مومیوند

دانشجوی کارشناسی ارشد، موسسه آموزش عالی آفرینش بروجرد

داور گیوکی

عضو هییت علمی گروه کامپیوتر، دانشکده فنی دانشگاه لرستان

امین الهیاری

عضو هییت علمی گروه برق، موسسه آموزش عالی آفرینش بروجرد