بهبود کارایی شبکه های عصبی کانولوشنی در مسائل دسته بندی تصویر با استفاده از ادغام بین نقشه ای
محل انتشار: هشتمین کنفرانس بین المللی فناوری اطلاعات ودانش
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 625
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT08_154
تاریخ نمایه سازی: 5 بهمن 1395
چکیده مقاله:
در سالهای اخیر توجه زیادی به شبکه های عصبی کانولوشنی شده است. به ویژه در زمینه ی دسته بندی تصاویر طبیعی که این شبکه ها دراین زمینه بسیار موفق عمل کرده اند. ایده ی اولیه ی شبکه های عصبی کانولوشنی از نحوهی عملکرد سلول های قشر بینایی مغز الهام گرفتهشده است. با این حال، برخی از عملکردهای این شبکه ها، مانند عمل ادغام مکانی، به شکلی سطحی از سلول های مغز الگوبرداری شده اند.در این ادغام های ویژگی، تنها ویژگی هایی که یکسان هستند و در یک نقشه ی ویژگی قرار دارند با یکدیگر ادغام می شوند. حال آنکه سلول هایپیچیده ی قشر بینایی، ویژگی هایی که دقیقا از یک نوع نیستند را نیز با یکدیگر ادغام می کنند. در این مقاله، ما مدلی را پیشنهاد می کنیمکه در آن با استفاده از آمارگان تصاویر طبیعی، نحوهی ادغام بین نقشه های ویژگی مختلف از روی داده ها یاد گرفته شوند. آزمایش ها بر رویمجموعه دادگان استاندارد CIFAR-100، CIFAR-10 و COIL-100 کارایی این روش را نشان می دهند. به خصوص آزمایش مدل بر رویدادگان COIL-100 نشان می دهد که روش ارائه شده در برابر چرخش مقاومت بیشتری نسبت به دیگر روش ها دارد.
کلیدواژه ها:
نویسندگان
پیمان شیخ مهدی
دانشگاه صنعتی امیرکبیر
سعید شیری قیداری
دانشگاه صنعتی امیرکبیر
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 :