12687

مطالعه و بررسي روش ها ي انسان در چرخهي يادگير ي در حوز هي تشخيص اشيا ء

1401

دكتر محمدرضا محمدي

دكتر سرياني

يادگيري ماشين، به ويژه يادگيري عميق، به تكنيكي نوين و قدرتمن د در بسياري ا ز وظايف، از جمله بيناي ي ماشين و پرداز ش زبا ن تبديل شده است. با اي ن حال، معمولاً دان ش كسب شد ه توس ط مدل هاي يادگير ي ماشين، از نظ ر تعمي م پذيري ، قاب ل مقايسه ب ا دان ش انسان ي نيستن د . بنابراي ن د ر حوزه ي انسان د ر چرخ ه يادگير ي ماشين، تلاش بر اين است كه با افزودن تجربه و دانش انسان به چرخهي آموزش، مدل هايي با هزينۀ پايينتر ، امّا كارايي و دقّت بالاتر ، آموزش دهند. يادگيري فعّال، به عنوا ن يك ي از رو شهاي انسان در چرخهي يادگيري ماشين، در حالي سعي در بيشينه كردن كارايي مدل دارد، كه از كمترين نمونه هاي ممكن براي برچسبگذار ي استفاده ميكند . در اين گزار ش ، به بررسي روش هاي جديد ارائه شده در يادگيري فعّال، در زمينه تشخيص اشياء پرداخته م ي- شود. در ابتدا، به معرفي مق دّمات و اصول پايهاي، در هر كدام از زمينه هاي انسان در چرخهي يادگيري ماشين، يادگيري فعّال و تشخيص اشياء، پرداخته ميشود. سپس، يكي از ابزار هاي انسان در چرخهي يادگيري ماشين ، ارائه ميشود. بعد از آن، دستهبندي روش هاي يادگيري فعّال در زمين هي تشخيص اشياء، شامل روش هاي مستقل از وظيفه، روش هاي مبتني بر عدم قطعيّت ، روش هاي مبتني بر تنوّع داده ها و روش هاي تركيبي ، ارائه و بررسي ميشود . در نهايت، به جمعبندي و نتيجهگيري از مطالعات ميپردازيم و نشان م يدهيم كه روش هاي مبتني بر ناسازگاري و روش هاي تركيبي، نسبت به بقيه روش ها، عملكرد مناسبتري دارند و به مسائلي كه هنوز در زمينهي يادگيري فعّال، حل نشدهاند، اشاره ميكني م و سعي ميكنيم، راهكار هايي ارائه دهيم.

11/15/2023 12:00:00 AM

80929

1402/08/30

Studying and examining human in the loop of machine learning methods in the field of object detection.

يادگيري عميق , بينايي ماشين , يادگيري فعّال , تشخيص اشياء , انسان در چرخه ي يادگيري ماشين

Deep learning , compute vision , active learning , object detection , human-in-the-loop machine learning