نسخه جدید سایت SID.ir

مشخصات مقاله

عنوان: 

طبقه بندی تصاویر ثبت شده از راه دور با استفاده از الگوریتم یادگیری عمیق CNN

نوع ارائه: مقاله
نویسنده: منافي بجوشين صفا*,مقسمي حميدرضا,وصلي الهام
 
 *موسسه آموزش عالي فاران مهر دانش
 
عنوان همایش: كنگره ملي سالانه ايده هاي نوين پژوهشي در علوم مهندسي و تكنولوژي، برق و كامپيوتر
نوع همایش:  سازمان ها و مراکز غير دولتي
حامی:  دانشگاه هدف ساري
زمان:  1397دوره 1
 
چکیده: 

امروزه الگوريتم ها و مدل هاي مختلف پژوهش هاي مبتني بر شبکه عصبي، جاي خود را در ميان طبقه بندي تصاوير به خوبي باز کرده اند. هدف اصلي اين الگوريتم ها اين است که در شبکه هاي مصنوعي، ماشين به شکلي آموزش ببيند که در نهايت تشخيصي نزديک مغز انسان داشته باشد. از بين انواع شبکه هاي عصبي، شبکه هاي عصبي کانالوشن (CNN) معمولا دقت خوبي را در طبقه بندي تصاوير ارائه مي کنند. در اين مقاله، بهرگيري از يادگيري عميق در سنجش از راه دور را توسط سه استراتژي متفاوت ارزيابي و آناليز مي کنيم. در بسياري از برنامه هاي کاربردي، مخصوصا برنامه هاي سنجش از راه دور، به علت هزينه هاي محاسباتي بالا و نياز به مقادير بالاي داده هاي برچسب دار، امکان طراحي و آموزش شبکه هاي عصبي کانالوشن جديد وجود ندارد. آزمايش هاي اين تحقيق با بهره بردن از مجموعه داده سنجش از راه دور و همچنين شبکه هاي عصبي کانالوشن معروف (fine-tunned)، صورت مي گيرد. نتايج نشان مي دهد که شبکه هاي عصبي کانالوشن به خوبي تنظيم شده، داراي بهترين عملکرد در بين استراتژي ها مي باشند. در حقيقت استفاده از ويژگي هاي شبکه هاي عصبي کانالوشن به خوبي تنظيم شده با Linear SVM بهترين نتيحه را مي دهد. در حقيقت، با استفاده همزمان از ويژگي هاي شبکه هاي عصبي کانالوشن به خوبي تنظيم شده به همراه SVM هاي خطي تنظيم شده، بهترين نتيجه به دست مي آيد. هدف اصلي اين مقاله ارزيابي استراتژي هاي مناسب براي بهره برداري بيشتر از توانايي هاي يادگيري عميق جهت طبقه بندي صحنه هاي تصويري ماهواره اي و سنجش از راه دور است.

 
کلید واژه: يادگيري عميق، شبکه هاي عصبي کانالوشن، به خوبي تنظيم شده، سنجش از راه دور
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 
ارتباط خیلی زیاد ارتباط زیاد مرتبط ارتباط کمتر
 
 
بازدید یکساله 441   pdf-file
 
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی