12095

يادگيري عميق فعال و كاربرد آن در تشخيص اشيا

1400

دكتر محمد رضا محمدي

يادگيري فعال يك پاراداي م ي ادگيري ماش ين است كه به الگوريتم ها اجازه مي دهد از م يان يك مجموعه بزرگ از داده هاي بدون برچسب، نمونه هايي را انتخاب كنند كه اطالعات بيشتر و مفيدتري را برا ي آموزش الگوريتم فراهم كنند. هدف از يادگير ي فعال، كاهش هز ينه برچسب گذاري و بهبود عملكرد الگوريتم يادگيري است. اين رويكرد به خصوص در مواردي كه هزي نه برچسبگذاري باالست و داده هاي برچسبدار محدود هستند، بسيار مفيد است. يادگيري فعال عميق يك زي رمجموعه از يادگير ي فعال است كه از مدل هاي يادگير ي عميق به عنوان الگوريتم يادگيري استفاده م يكند . اين رويكرد به الگوريتم اين امكان را مي دهد كه نمونه هايي كه بيشترين اطالعات مفيد را برا ي برچسبگذاري فراهم م ي كنند، انتخاب كند و مدل را به روزرسان ي كند تا عملكرد آن بهبود يابد . يادگير ي فعال عميق در مسائل مختلفي مانند تشخيص اش ياء، طبقه بند ي تصاوي ر و پردازش زبان طبيعي به كار گرفته شده است و نتايج قابل توجهي در كاهش تعداد داده هاي برچسبدار مورد نياز براي آموزش مدل هاي يادگير ي عميق ارائه داده است. تشخيص اش ياء ي ك حوزه اساس ي در بينايي ماش ين است و در زمينه هايي مانند رانندگ ي خودكار، رباتيك و نظارت، كاربردهاي بسياري دارد. يادگيري فعال عميق ي ك زير مجموعه از يادگير ي ماش ين است كه به الگوريتم ها اجازه ميدهد به صورت فعال انتخاب كنند كدام نقاط داده را برچسب گذاري كنند تا دقت آنها را بهبود بخشند. اين روش مي تواند ميزان داده هاي برچسبدار مورد نياز براي آموزش الگوريتم هاي يادگيري عميق را كاهش دهد و آن ها را به صرفه تر و كارآمدتر كند. يادگير ي فعال عمي ق در وظايف بينايي ماش ين مختلف، از جمله تشخ يص اش ياء، دسته بند ي تصاوي ر و دسته بند ي نشانه ها، نتايج موفقيت آميز ي را به همراه داشته است.

5/10/2023 12:00:00 AM

79109

1402/04/04

Deep active learning and its applications in object detection

يادگيري عميق فعال , يادگيري فعال , يادگيري عميق , بينايي ماشين , هوش مصنوعي , تشخيص اشيا

deep active learning , active learning , deep learning , computer vision , object detection