جستجوی معماری عصبی به کمک روش تخمین مختلط دو سطحی برای شبکه عصبی عمیق سلسله مراتبی خود توجه جهت بزرگنمایی تصاویر دیجیتال

بزرگنمایی تصاویر دیجیتالی یکی از روش های پردازش تصویر می باشد، که وضوح تصویر را در زمینه دید رایانه ای بهبود می بخشد. در اصل این کار برای بزرگنمایی تصاویر ثابت ومتحرک که از زمان تصویربرداری آنها گذشته و دسترسی به دوربین یا صحنه ها برای زوم وجود ندارد، بکار می رود. در این مقاله از شبکه سلسله مراتبی جهت استخراج ویژگی های سطح بالا برای مرزبندی بین رنگ ها و از بلوک های توجه خودآموز برای بزرگنمایی تصویر با وضوح پایین استفاده می شود. در ادامه برای یافتن بهترین مدل شبکه از روش تخمین دو سطحی برای یافتن بهترین معماری استفاده می گردد. با استفاده از روش جستجوی ذکر شده در ابتدا بهترین مدل یافت می شود و سپس پارامترهای شبکه یافت شده آموزش داده می شود، این عمل باعث طراحی بهینه ساختار شبکه و کاهش هزینه محاسباتی خواهد شد. برای بررسی کارایی روش استفاده شده، نتایج شبیه سازی بر روی پایگاه داده تصاویر در این حوزه تست شده که این نتایج برتری روش استفاده شده نسبت به روش های دیگر را نمایش می دهد.

کلیدواژه ها:

واژه های کلیدی: بزرگنمایی تصاویر دیجیتال ، شبکه عصبی عمیق سلسله مراتبی ، تخمین دوسطحی ، جستجوی معماری عصبی ، خودتوجه ، فراپارامتر گسسته و پیوسته