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 لغتنامه 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 بینکلاسی یکی از چالش برانگیزترین مأموریتهای این حوزه محسوب شده و نیازمند ویژگیهای تفکیک کننده میباشد.
روش: برای رسیدن به نتایج مطلوب در این نوع طبقهبندی، مدلهای مبتنی بر شبکههای 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 تفکیککننده 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 طبقهبندی در مجموعه دادههای ریزدانه را بهبود بخشید.
نتیجه گیری: مدل ترکیبی پیشنهادی دقت طبقهبندی را به میزان 5/3 درصد در مجموعه دادۀ CUB-200 نسبت به مدل پایۀ مورد استفاده در این معماری افزایش میدهد و نرخ خطای تشخیص کلاسهای نادرست را در این مجموعه داده به میزان 28 درصد کاهش میدهد.








