طبقه بندی ریزدانه دیداری با استفاده از اتوانکدرکانولوشنال تنک
صفحه 1-27
فرهاد صادقی، فربد رزازی، آرش امینی
چکیده مقدمه: در این تحقیق یک معماری متفاوت چند لایه بر مبنای یادگیری لغت نامه و کدگذاری کانولوشن بنام شبکۀ کد گذاری تنک جهت ارتقاء دقت طبقه بندی ریزدانه معرفی است. طبقه بندی ریزدانه به دلیل تنوع درونکلاسی و شباهت های ظریف بین کلاسی یکی از چالش برانگیزترین مأموریتهای این حوزه محسوب شده و نیازمند ویژگی های تفکیک کننده می باشد.
روش: برای رسیدن به نتایج مطلوب در این نوع طبقه بندی، مدل های مبتنی بر شبکه های عصبی عمیق به گونهای طراحی میشوند که بتوانند با مکانیابی بخشهای حاوی اطلاعات مهم در سطح تصویر و در سطح ناحیه، ویژگی های تفکیک کننده را استخراج و در طبقه بندی استفاده نمایند. مدل پیشنهادی قابلیت استخراج ویژگیهای سطح بالا را همچون شبکه های عصبی عمیق کانولوشنال دارد و از طرفی همزمان از افزونگی اطلاعات در عمق لایه ها جلوگیری میکند. این دو عامل منجر به نوعی مکانیابی ضمنی میشود که استخراج ویژگیهای تفکیک کننده از این نواحی میتواند در مأموریت ریزدانه موثر و کارآمد باشد.
یافته ها: ما در این پژوهش بر مبنای معماری یاد شده، یک اتوانکدر تنک معرفی کردهایم که ترکیب آن با یک شبکۀ عمیق عصبی از پیش آموزش داده شده استاندارد، دقت طبقه بندی در مجموعه داده های ریزدانه را بهبود بخشید.
نتیجه گیری: مدل ترکیبی پیشنهادی دقت طبقه بندی را به میزان 5/3 درصد در مجموعه دادۀ CUB-200 نسبت به مدل پایۀ مورد استفاده در این معماری افزایش می دهد و نرخ خطای تشخیص کلاسهای نادرست را در این مجموعه داده به میزان 28 درصد کاهش میدهد.








