بهبود الگوریتم تشخیص و ردیابی اشیاء با بینایی ماشین با استفاده از شبکه های Cloud-Oriented و تابع تطبیقی

این مقاله تکنیکی برای تشخیص اشیاء برای افراد نابینا با استفاده از روش های بینایی ماشین و شبکه های ابرگرا و تابع ضرر تطبیقی ارایه می دهد.تا اشیا را روی هر دستگاهی که این مدل را اجرا می کند،شناسایی کند.ما از شبکه عصبی کانولوشنال به همراه الگوریتم آشکارساز برای توسعه مدل پیشنهادی استفاده می کنیم .این مدل از چندین لایه تشکیل شده است تا اشیای داده شده را در هریک ازکلاس های تعریف شده طبقه بندی کند. با توجه به پیشرفت های اخیر در یادگیری عمیق با پردازش تصویر ،ما را قادر به توسعه این مدل می کند.دقت الگوریتم در نهایت ، یک تابع ضرر تطبیقی با تابع زیان گاوسی زوجی ترکیب شده است و آنتروپی متقابل عملکرد تلفات برای افزایش جدایی بین طبقاتی و فشردگی درون کلاسی طراحی شده است شاخه های طبقه بندی ومیزان دقت طبقه بندی و میزان موفقیت رگرسیون را بهبود می بخشد. تاثیراز الگوی پیشنهادی الگوریتم با مقایسه آن با سایر الگوریتم های محبوب در دو معیار محبوب تایید می شود.

کلیدواژه ها:

شبکه های عصبی ، کانولوشن ، یادگیری عمیق ، شبکه CNN