رکوردهای مرتبط با این شخص

استفاده از مدل ویسپر برای شناسایی خودکار گفتار فارسی (1402) / رحیمی پور ، محمدحسین، نویسنده

نوع مدرک: متون چاپی سرشناسه رحیمی پور ، محمدحسین، نویسنده شماره بازیابی : ‭COM A ‭41 1402 عنوان : استفاده از مدل ویسپر برای شناسایی خودکار گفتار فارسی عنوان موازی : Persian Automatic Speech Recognition by the use of Whisper Model ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1402 صفحه شمار: 54ص شابک/شاپا 25528 یادداشت پایان نامه کارشناسی ارشد :رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : راستین ، نیلوفر، استاد راهنما توصیفگرها شناسایی خودکار گفتار، ترانسفورمرها، یادگیری عمیقAutomatic speech recognition, Transformers, Deep learning, Natural Language Processing, Whisper model، پردازش زبان طبیعی، مدل ویسپر چکیده : تشخیص خودکار گفتار رایانه‌ها را قادر می‌سازد تا گفتار انسان را به شکل نوشتاری پردازش کنند. با توجه به اینکه زبان فارسی دارای ویژگی‌های پیچیده واجی و خط غیر لاتین فارسی می‌باشد، چالش‌های منحصر به فردی را در این زمینه ایجاد می‌کند. در این پژوهش، از مدل ویسپر برای شناسایی خودکار گفتار فارسی استفاده می‌شود. در این مدل معماری ترانسفورمرها به کار گرفته شده است که یک نوع معماری شبکه عصبی است که به طور گسترده در پردازش زبان طبیعی استفاده می‌شود. ترانسفورمرها قادر به تجزیه و تحلیل زبان انسان هستند و بر اساس بررسی بخش‌های مختلف یک جمله و ارتباط آنها با یکدیگر، کار می‌کنند. مدل ویسپر با استفاده از تکنیک‌های پیشرفته یادگیری عمیق و آموزش بر روی یک مجموعه داده گسترده چند زبانه، عملکرد استثنایی در تشخیص خودکار گفتار نشان داده است. مجموعه داده مورد استفاده در این پژوهش، صدای مشترک موزیلا می‌باشد که شامل 394 ساعت داده برای زبان فارسی است. در این مطالعه با تنظیم دقیق مدل ویسپر به همراه پیش پردازش داده‌ها، افزایش داده‌ها و تنظیم هایپرپارامتر‌ها توانستیم به بهبود عملکرد این مدل کمک کنیم. نتایج نشان دادند که استفاده از این مدل قدرتمند در تشخیص خودکار گفتار فارسی به بهبود قابل توجهی در این زمینه (نرخ خطای کلمه برابر با27.151) منجر می‌شود. برای پیشبرد تحقیقات در این زمینه، تمام کد منبع روش پیشنهادی را در گیت‌هاب در دسترس قرار داده شده است: https://github.com/mohammadh128/Persian_ASR لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14365 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25528	‭COM A ‭41 1402	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص حرکت انسان با استفاده از مدل ترنسفورمر (1402) / ابراهیمی ، مجید، نویسنده

نوع مدرک: متون چاپی سرشناسه ابراهیمی ، مجید، نویسنده شماره بازیابی : ‭COM A ‭43 1402 عنوان : تشخیص حرکت انسان با استفاده از مدل ترنسفورمر عنوان موازی : Detecting human motion using the Transformer model ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1402 صفحه شمار: 83ص شابک/شاپا 25610 یادداشت پایان نامه کارشناسی ارشد :رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : راستین ، نیلوفر، استاد راهنما توصیفگرها تشخیص حرکت انسان، مدل ترنسفورمر، یادگیری عمیق، تشخیص اشیا  : Human motion detection, Transformer model, Deep learning, Object detection چکیده : یادگیری عمیق، زیر شاخه ای پویا و پر اهمیت از حوزه یادگیری ماشین است که با استفاده از شبکه‌های عصبی ژرف، اطلاعات پیچیده را از داده‌ها استخراج می‌کند. یادگیری عمیق نه تنها برای تشخیص الگوها و ارتباطات پنهان در داده‌ها بلکه در بسیاری از حوزه‌ها از جمله تصویربرداری، پردازش زبان طبیعی و تحلیل داده‌های پیچیده مؤثر است. در این پژوهش از تکنیک های یادگیری عمیق، پردازش تصویر و ویدیو استفاده شده است تا حرکت های مختلف انسان در ویدیو تشخیص داده شود. برای این منظور به یک الگوریتم تشخیص شی نیاز است. در این پژوهش از YOLO که یکی از شناخته شده ترین الگوریتم تشخیص اشیا در تصاویر با استفاده از شبکه‌های عصبی ژرف است برای شناسایی انسان در تصویر و استخراج نقاط کلیدی استفاده شده است. پس از آن از مدل ترنسفورمر برای آموزش و تشخیص حرکت های مدنظر که نقاط کلیدی آن استخراج شده بوده استفاده شده است. نتایج نشان دادند که استفاده از این مدل در تشخیص حرکات انسان به بهبود قابل توجهی در این زمینه یعنی میانگین دقت 0.82بر روی دیتاست معروف UTD-MHAD و میانگین دقت 0.94 بر روی مجموعه داده ای که از ترکیب مجموعه های دیگر و سایت یوتیوب گرد آوری شده منجر شده است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14446 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25609	‭COM A ‭43 1402	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص سرطان دهانه رحم از روی تصاویر پاپ‌اسمیر با استفاده از یادگیری انتقالی ترکیبی (1402) / زمان وزیری ، مهشید، نویسنده

نوع مدرک: متون چاپی سرشناسه زمان وزیری ، مهشید، نویسنده شماره بازیابی : ‭COM A ‭ عنوان : تشخیص سرطان دهانه رحم از روی تصاویر پاپ‌اسمیر با استفاده از یادگیری انتقالی ترکیبی عنوان موازی : An Ensemble Transfer Learning Model for Cervical Cancer Detection on Pap Smear Images ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1402 صفحه شمار: 104ص شابک/شاپا 25327 یادداشت پایان‌نامه کارشناسی‌ارشد رشته کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : راستین ، نیلوفر، نویسنده توصیفگرها سرطان دهانه رحم، پاپ‌اسمیر، یادگیری عمیق، یادگیری انتقالی، شبکه‌های عصبی کانولوشنی  Cervical cancer, Pap smear, Deep learning, Transfer learning, Convolutional neural networks لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14271 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25327	‭COM A ‭	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت