بهبود دقت رده‌بندي تصاوير با استفاده از شبكه‌هاي همگشتي

كارشناسي ارشد

چكيده در اين پايان‌نامه در مرحله اول با به‌كارگيري شبكه‌هاي همگشتي، مجموعه داده‌‌هاي تصويري كلتك 256رده‌بندي مي‌شود. در مرحله بعدي، فراپامترهاي مدل مورد بررسي قرار گرفته و فراپارامترهاي بهينه به منظور حصول دقت بيشينه بهدست آورده مي‌شود. شبكه ارائه شده از پنج لايه همگشتي و 3 لايه اتصال كامل تشكيل شده است. هر لايه همگشتي به نوبه خود از سه لايه همگشت، ادغام و عملگر غير خطي تشكيل شده است. در لايه انتهايي كه جزئي از لايه اتصال كامل است، به‌منظور تفكيك 256 رده مختلف از يك رده‌بند سافت‌مكس استفاده مي‌شود. در اين شبكه همگشتي به‌منظور بهبود عملكرد شبكه، مجموعه‌اي از ترفندها به‌كار گرفته مي‌شود. به‌منظور جلوگيري از اشباع نرون‌ها و در نتيجه كند شدن به‌روز رساني پارامترها، از تابع غيرخطي ReLU استفاده مي‌شود. به‌منظور جلوگيري از همساز شدن نرون‌ها و ايجاد رده‌بند تركيبي ضمني، تكنيك Dropout به‌كارگرفته مي‌شود. به‌منظور ايجاد اثر تغييرناپذيري نسبت به تغييرات، از ادغام‌هاي داراي همپوشاني استفاده مي‌شود و در نهايت به‌منظور جلوگيري از بيش برازش در يادگيري چند ميليون پارامتر اين شبكه، تكنيك ازدياد مجموعه‌داده‌ها روي مجموعه داده‌هاي محدود اعمال مي‌گردد. در عين حال اتصال لايه‌هاي همگشتي بگونه‌اي برقرار مي‌شود كه با ايجاد مسيرهاي مستقل، قابليت موازي پذيري شبكه بالا باشد. در ادامه با تغيير دادن فراپارامترهاي مدل، از قبيل ابعاد پنجره‌هاي همگشت ، تعداد لايه‌هاي همگشت، تعداد كرنل‌هاي همگشت و ميزان حذف تصادفي، نتايج تفسير شده و از آنجا فراپارامترهاي بهينه براي مجموعه داده هاي كلتك بدست آورده شده است. در نهايت با به‌كارگيري Leaky-ReLU و استفاده از شيب 15 درجه در ناحيه منفي، دقت رده‌بندي تصاوير كلتك 256 تا 78 افزايش داده شد. كليد واژه‌ها : رده‌بندي تصاوير، شبكه‌هاي همگشتي، شبكه‌هاي عميق، مجموعه داده‌هاي كَلتِك 256، تنظيم فراپارامترها

189142

دانشگاه علم و صنعت ايران

هوش مصنوعي

دكتر بهروز مينايي