چکيده
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.
