شبکه عصبی هرمی بازدارندگی جانبی برای طبقه بندی تصویر

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 579

فایل این مقاله در 20 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCOMP01_198

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

سیستم بینایی انسان یکی از جالب ترین و پیچیده ترین مکانیزم های سیستم اعصـاب مرکزی است که قابلیت بینایی ما را پشـتیبانی می کنـد. از طریق سیستم بینایی است که ما می توانیم از کارهای ساده همچون تشخیص اشیاء گرفته تا پیچیده ترین تفسیرها، فهم و درک بصری را انجام دهیم. دو مدل براساس خواص سیستم بینایی انسانی و با الهام گیری از این سیستم پیچیده مطرح شده است. این مدل ها براساس میدان های گیرنده و بازدارنده طراحی شده است. مدل اول یک شبکه عصبی هرمی به همراه بازدارندگی جانبی است که به آن شبکه ی عصبی هرمی بازدارندگی جانبی می گویند. مدل دوم، یک سیستم تقسیم بندی تصویر تحت نظارت است به نام تقسیم بندی و طبقه بندی براساس میدان های گیرنده. این تحقیق نشان می دهد که ترکیبی از این مدل، مزایای زیادی دارد و نتایج بدست آمده از این دو مدل بهتر از روش های قبل بوده است.

نویسندگان

راضیه اکبری

دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، دانشگاه آزاد اسلامی واحد خمین

حمید پایگذار

عضو هیئت علمی دانشگاه آزاد اسلامی واحد خمین، گروه کامپیوتر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • D. H. HIubel, ،«The visual cortex of the brain, " ...
  • M. Levine and . Shefner, Fun damentals of Sensation and ...
  • G. Rizzolatt and R. Camarda, ،Inhibition of visual responses of ...
  • C. Sun, X. Chen, L. Huang, and T. Shou, ،Orientation ...
  • C. Grigorescu, N. Petkov, and M. A. Westenberg, ،Contour detection ...
  • J. Daugman, _ _ -dimensional analysis of cortical receptive field ...
  • J. Jones and P. Palmer, _ evaluation of the two- ...
  • H. Sun, L. Liu, and A. Guo, _ neuro _ ...
  • H.-S. Park, W. Pedrycz, and S.-K. Oh, ،Granular neural networks ...
  • K. Ghosh and S. Pal, ،Some insights into brightness perception ...
  • K. Fukushima, S. Miyake, and T. Ito, ،، Ne ocognitron ...
  • K. Fukushima, _، N eocognitron : A hierarchical neural network ...
  • K. Fukushima, ،، Ne ocognitron for handwritten digit recognition, " ...
  • C. A. Perez, C. A. Salinas, P. A. Estevez, and ...
  • Y. LeCun, B. Boser, J. S. Denker, D. Henderson, R. ...
  • Y. LeCun, L. Bottou, Y. Bengio, and P. Haffner, ،Gradient- ...
  • applied to document recognition, " Proc. IEEE, vol. 86, no. ...
  • new clas of convolutionl neural Aء، [17] F. H. C. ...
  • F. H. C. Tivive and A. Bouzerdoum, ،Efficient training algorithms ...
  • S. L. Phung and A. Bouzerdoum, _ pyramidal neural network ...
  • B. Nabet and R. Pinter, Sensory Neural Networks: Lateral Inhibition. ...
  • Z.-H. Mao and S. G. Massaquoi, "Dynamics of winner-take all ...
  • R. Coultrip, R. Granger, and G. Lynch, _ cortical model ...
  • _ Chen, L. Zhang, and J. Weng, ،، S patio ...
  • Y. Fang, M. Cohen, and T. Kincaid, «Dynamic analysis of ...
  • P. Arkachar and M. D. Wagh, "Criticality of lateral inhibition ...
  • N. R. Wilson, C. A. Runyan, F. L. Wang, and ...
  • C. Blakemore and E. Tobin, :Lateral inhibition between orientation detectors ...
  • C. M. Bishop, Neural Networks for Pattern Recognition. Oxford, U.K.: ...
  • D. M. Kline and V. _ Berardi, "Revisiting S quared-error ...
  • D. Rumelhart, G. Hinton, and R. Williams, "Learning rep resentations ...
  • M. Riedmiller and H. Braun, "A direct adaptive method for ...
  • B. J. T. Fernandes, G. D. C. Cavalcanti, and T. ...
  • IEEE TRANSA CTIONS ON C YB ERNETIC S, VOL. 43, ...
  • receptive field inhibition applied to image S egm entation, " ...
  • A. C. Frery, H. Muller, C. Yanasse, and S. Sant'Anna, ...
  • B. Heisele, T. Poggio, and M. Pontil, ،Face Detection in ...
  • Y. Venkatesh and S. K. Raja, ،On the classification of ...
  • K. Ve nk atalakshmi, S. Sridhary, and S. M ercyShalinie, ...
  • S. L. Phung, A. Bouzerdoum, and D. Chai, ،Skin segmentation ...
  • M. Jones and J. Rehg, ،Statistical color modes with application ...
  • E. Makinen and R. Raisamo, ،Evaluation of gender classification methods ...
  • _ Vapnik, The Nature of Statistical Learning Theory. New York: ...
  • E. Osuna, R. Freund, and E. Girosit, "Training support vector ...
  • C. Waring and X. Liu, ،Face detection using spectral histograms ...
  • T. Fawcett, _ introduction to ROC analysis, " Pattern Recognit. ...
  • A. Bradley, ،0The use of the area under the ROC ...
  • A. Verikas, A. Lipnickas, K.Malm qvist, M. Bacauskiene, and A. ...
  • نمایش کامل مراجع