نوع مدرک: | متون چاپی |
سرشناسه | محبی ، فاطمه، نویسنده |
ردهبندی کنگره : | COM A 22 1400 |
عنوان : | طبقه بندی تصاویرچند برچسبی با استفاده از الگوریتم شبکه عصبی کانولوشن بهبود یافته |
عنوان موازی : | Multi-tagged image classification using convolutional neural network algorithm |
ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
سال نشر : | 1400 |
صفحه شمار: | 63ص |
شابک/شاپا | 23992 |
یادداشت | پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش هوش مصنوعی |
شناسه افزوده : | کلینی ، مینا، استاد راهنما مهدوی نژاد ، محمدسعید، استاد مشاور |
توصیفگرها | طبقه بندی تصاویر چند برچسبی یادگیری عمیق شبکه عصبی کانولوشنی multi-tagged image classification deep learning convolutional neural network |
چکیده : | در یادگیری ماشین، طبقه بندی چند برچسب و مسئله کاملاً مرتبط به طبقه بندی چند خروجی، ازانواع مسئله طبقه بندی است که در آن ممکن است چندین برچسب به هر نمونه اختصاص پیدا کند. طبقه بندی چند برچسب تعمیم یافته ی طبقه بندی چند کلاسه است ،و مسئله تک برچسب، طبقه بندی نمونه ها دقیقاً به یکی از چند کلاس است. در مسئله چند برچسب هیچ محدودیتی در تعداد کلاسهایی که به عنوان نمونه می تواند به آن اختصاص پیدا کند، وجود ندارد. روش¬های مختلفی برای طبقه بندی تصاویر چند برچسبی وجود دارد که دقت کافی ندارند.
به همین دلیل، در روش پیشنهادی از الگوریتم CNN بهبود یافته برای طبقه بندی تصاویر با چندین برچسب استفاده میشود. برای بهبود استخراج ویژگی، با هدف هماهنگی ویژگی¬ها در لایه¬های میانی و ترکیبی با لایه¬های قبلی به طبقه بندی مناسبت تر نسبت به روش¬های قبلی پرداخته می¬شود.
سپس مقیاس¬های متفاوت از مراحل بعد را در طی فرایند کانولوشنی با لایه¬های شبکه عصبی کانولوشنی ترکیب می¬کنیم. این روش باعث بهتر شدن ویژگی های استخراجی از تصاویر در تمام مراحل شبکه میشود.
نتایج نشان می¬دهد که بهترین دقت با بهبود مقیاس پذیری 97 درصد بدست آمد که در مقایسه با دیگر روش¬ها عملکرد قابل توجهی را ارائه داد |
لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=13190 |
زبان مدرک : | فارسی |