5239

تشخيص شئ مبتني بر يادگيري عميق

دكتر كريم محمدي

يادگيري عميق يكي از زير رشته هاي يادگيري ماشين است كه در آن سعي مي شود با استفاده از معماري سلسله مراتبي انتزاعات و ويژگي هاي سطح بالاي موجود در داده ها فراگرفته شود. شبكه عصبي كانولوشن عميق نيز يكي از مهمترين و پركاربرد ترين الگوريتم هاي مورد استفاده در يادگيري عميق است. اين روش يك رويكرد نوظهور بوده و بصورت گسترده اي در دامنه هاي مختلفي از يادگيري ماشين و به خصوص بينايي كامپيوتر همانند دسته بندي تصاوير ،كشف اشياء ، قطعه بندي معنايي و بازيابي تصوير كه فعاليت هايي كليدي براي درك تصوير اند مورد استفاده قرار گرفته است . دريادگيري ماشين يك شبكه عصبي كانولوشن نوعي از شبكه عصبي مصنوعي انتشار به جلواست كه در آن نورون ها ، به نواحي روي هم افتاده در يك ناحيه ديداري واكنش نشان مي دهند.اين نوع شبكه ها از فرايندهاي بيولوژيكي الهام گرفته شده اند و گونه هايي از شبكه هاي پرسپترون چند لايه اند كه با طراحي خاصي از حداقل ميزارن پيش پردازش بهره ميبرند. از آنها به عنوان مدل در زمينه تشخيص ويدئو و تصوير به وفور استفاده مي شود. در اين سمينار مروري بر تشخيص شئ مبتني بريادگيري عميق و شبكه عصبي كانولوشن و همچنين چالش ها و كاربرد ها خواهيم داشت.

11/14/2018 12:00:00 AM

57416

1397/09/08