10269

بررسي روش هاي يادگيري ماشين خودكار در حوزه بينايي كامپيوتر

1400

دكتر محمدرضا محمدي

يادگيري ماشين و به‌ويژه يادگيري عميق در سال‌هاي اخير موفقيت‌هاي چشمگيري كسب كرده‌اند و تعداد فزاينده‌اي از رشته‌ها به آن‌ها متكي هستند. با اين حال، اين موفقيت بسيار مهم به همكاري انسان در بسياري از مراحل (پيش‌پردازش و آماده‌سازي داده‌ها، مهندسي ويژگي‌ها، انتخاب معماري شبكه، بهينه‌سازي ابرپارامترها و ...) متكي است. يادگيري ماشين خودكار حوزه‌اي است كه مي‌تواند اين سامانه‌هاي خودكار را بدون كمك انسان طراحي و راه‌اندازي كند. يادگيري عميق خودكار دسته ويژه‌اي از يادگيري ماشين خودكار است كه تقريبا همانند حوزه جست و جوي معماري عصبي بر طراحي خودكار معماري‌هاي شبكه‌هاي يادگيري عميق متمركز شده است و بيش از پيش مورد توجه قرار گرفته است. در اين گزارش يادگيري عميق خودكار، از نقطه نظر فضاي جست و جو در دو دسته كل معماري شبكه و مبتني بر سلول در كارهاي پيشين مورد بررسي قرار گرفت است. هم‌چنين اكثر اين كارهاي پيشين از رويكرد مبتني بر گراديان استفاده مي‌كنند كه از روش‌هاي رايج حل مسائل بهينه‌سازي به ويژه در حوزه يادگيري عميق خودكار است و باعث افزايش به سزا در سرعت عملكرد جست و جوي معماري عصبي شده‌اند. نتايج اين الگوريتم‌ها در كاربرد دسته‌بندي تصاوير رشد چشم‌گير اين الگوريتم‌ها در عملكرد را نشان مي‌دهند. توجه به فضاي جست و جو با انعطاف بيشتر و حوزه‌هاي كاربردي ديگر بينايي كامپيوتر مي‌تواند جزو كارهاي تحقيقاتي آينده باشد. كلمات كليدي: يادگيري ماشين خودكار، يادگيري عميق خودكار، جست و جوي معماري عصبي، فضاي جست و جو، رويكرد مبتني بر گراديان، بينايي كامپيوتر.

12/1/2021 12:00:00 AM

73429

1400/09/26

A survey of automatic machine learning methods in the field of computer vision