مروری بر عملکرد شبکه های عصبی کانولوشنی و شبکه های عصبی پرسپترون چند لایه در بینایی ماشین

مبحث یادگیری عمیق زیرمجموعه ای جدید و کارآمد درمجموعه الگوریتم های یادگیری ماشین در بر می گیرد، که در آن با استفادهازتعداد لایه های پردازشی بسیار زیاد به جهت یادگیری ویژگی های دادههای ورودی، یادگیری با دقت بالاتری نسب به شبکه های عصبی متداولهمچون شبکه عصبی پرسپترون چندلایه صورت می گیرد در حدل حاضرالگوریتم های یادگیری عمیق در بسیاری از کاربردهای رایج بینایی ماشینبکار گرفته شده اند یکی از انواع الگوریتم های یادگیری عمیق که در مبحثبینایی ماشین به تکرار استفاده شده است و همچنان موضوع تحقیقات اخیردر کاربردهایی چون طبقه بندی تصاویر، قعطه بندی تصاویر و تشخیصاشیاء کاربرد دارد، شبکه های عصبی کانولوشنی (CNN) هستند که در اینمقاله با مروری بر ساختار و اجزاء تشکیل دهندده این شبکه به بررسی وتحلیل عملکرد آن از نظر دقت، میزان خطا و سرعت یادگیری در مقایسه باشبکه عصبی پرسپترون چندلایه (MLP) می پردازیم.

کلیدواژه ها:

بینایی ماشین ، شبکه های عببی پرسپترون چند لایه ، شبکه های عببی کانولوشنی ، یادگیری ماشین