مقایسه شبکه های عصبی کانولوشن در طبقه بندی تصاویر کهکشان
سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,686
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SCECE05_001
تاریخ نمایه سازی: 25 دی 1399
چکیده مقاله:
امروزه الگوریتم ها و مدل های مختلف پژوهش های مبتنی بر شبکه عصبی، جای خود را در میان طبقه بندی تصاویر به خوبی باز کرده اند. هدف این الگوریتم ها این است که ماشین به شکلی آموزش ببیند که در نهایت تشخیصی نزدیک مغز انسان داشته باشد. از بین شبکه های عصبی، شبکه های عصبی کانولوشن معمولا دقت خوبی را ارائه می کنند. در زمینه طبقه بندی تصاویر کهکشان، شبکه های عصبی کانولوشن بسیار موفق عمل کرده اند. برخی از مهم ترین شبکه های عصبی کانولوشن که بر روی مجموعه تصاویر آموزش دیده اند شامل شبکه AlexNet ، VGGNet و ResNet است. در این مقاله انواع روش ها تبیین و مقایسه ای بین آنها انجام شده است . طبقه بندی کننده معماری Resnet به عنوان مدل طبقه بندی انتخاب و دقت طبقه بندی به عنوان معیار ارزیابی الگوریتم ها در نظر گرفته شده است. با توجه به نتایج حاصل شده از مقایسه بین سه مدل شبکه عصبی کانولوشن، دقت بدست آمده ResNet ، 94/51% می باشد که در مقایسه با دو شبکه دیگر بالاتر است
کلیدواژه ها:
نویسندگان
مژگان زرگوش
گروه مهندسی کامپیوتر- نرم افزار، دانشکده مکاترونیک ، واحدکرج ، دانشگاه آزاد اسلامی ، کرج ، ایران