• عنوان

    يادگيري عميق ابرنقطه‌اي براي طبقه‌بندي داده‌ي سه‌بعدي

  • نويسنده اصلي

    سحر احمدي سهرويه

  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    طي يك دهه‌ي گذشته يادگيري عميق به موفقيت‌هاي چشمگيري در زمينه‌ي پردازش و درك داده‌هاي دو بعدي دست پيدا كرده‌است و به گزينه‌اي برتر براي كارهايي نظير طبقه‌بندي، تقسيم‌بندي، تشخيص و... تبديل شده است. به همين منظور در حوزه سه بعدي نيز با استفاده از داده‌هاي غني موجود شروع به استفاده شده‌است. در حالي‌ كه به دليل ماهيت هندسي پيچيده‌ي اشياء سه بعدي و تغييرات ساختاري بزرگ ناشي از بازنمايي‌هاي مختلف سه بعدي، اين امر ساده نبوده و چالش‌هاي بسياري با خود همراه دارد. يكي از انواع بازنمايي‌هاي مهم داده‌ي سه بعدي، نمايش ابرنقطه است. ابرنقطه مجموعه‌اي از نقاط بدون مرتبه با پراكندگي متفاوت در فضاي اقليدسي سه بعدي است. اين داده برخلاف ساير بازنمايي‌ها نظير واكسل از پيچيدگي و هزينه‌ي محاسباتي كمتري برخوردار است و نزديك‌ترين نوع داده به داده‌ي خام دريافتي از دستگاه‌هاي ضبط داده‌ي سه بعدي نظير ليدار، دوربين‌هاي عمق و رادار است. همچنين افزايش كاربرد عملي در زمينه‌هاي روباتيك، اتومبيل خودران، هواپيماهاي بدون سرنشين و واقعيت مجازي سبب محبوبيت اين نوع بازنمايي از داده‌ي سه بعدي شده است. با اين حال استفاده از شبكه‌هاي عصبي كانولوشني به دليل عدم نظم ذاتي و جايگشت پذير بودن نقاط در اين نوع داده، به شيوه‌ي تصاوير دو بعدي امكان‌پذير نمي‌باشد. در اين پايان‌نامه ‌به منظور طبقه‌بندي داده‌هاي سه بعدي از شبكه‌اي با پردازش مستقيم روي بازنمايي ابرنقطه‌اي از داده‌ي سه بعدي استفاده شده است. به منظور بهبود اين شبكه استفاده از مكانيزم توجه پيشنهاد مي‌شود. براي اين منظور ماژول توجه‌اي در فضاي سه بعدي متناسب با ساختار داده¬¬ي ابرنقطه و چالش‌هاي موجود براي پردازش آن طراحي گشته كه ويژگي‌هاي غني‌تر را از ورودي استخراج مي‌كند تا امضاي جهاني بدست آمده از كل شكل حاوي اطلاعات بهتر و مفيدتري باشد. براي ارزيابي عملكرد شبكه از مجموعه داده‌ي معروف در امر طبقه‌بندي داده‌ي سه بعدي به اسم modelnet40 استفاده شد و به دقت كل 89.9 % و ميانگين دقت 87.1 % رسيديم. در انتها مقايسه‌ي نتايج ما با كارهاي ديگران نشان مي دهد كه در صورت استفاده از اين ماژول نيازي به استفاده از شبكه‌ي تراز ورودي و ويژگي نبوده و علاوه بر افزايش دقت، حجم محاسبات بسيار كاهش مي‌يابد.
  • شماره ركورد
    194445
  • دانشگاه
    دانشگاه علم و صنعت ايران
  • رشته تحصيلي
    الكترونيك - ديجيتال
  • استاد راهنما
    دكتر ستار ميرزاكوچكي