مژگان زرگوش - گروه مهندسی کامپیوتر- نرم افزار، دانشکده مکاترونیک ، واحدکرج ، دانشگاه آزاد اسلامی ، کرج ، ایران

امروزه الگوریتم ها و مدل های مختلف پژوهش های مبتنی بر شبکه عصبی، جای خود را در میان طبقه بندی تصاویر به خوبی باز کرده اند. هدف این الگوریتم ها این است که ماشین به شکلی آموزش ببیند که در نهایت تشخیصی نزدیک مغز انسان داشته باشد. از بین شبکه های عصبی، شبکه های عصبی کانولوشن معمولا دقت خوبی را ارائه می کنند. در زمینه طبقه بندی تصاویر کهکشان، شبکه های عصبی کانولوشن بسیار موفق عمل کرده اند. برخی از مهم ترین شبکه های عصبی کانولوشن که بر روی مجموعه تصاویر آموزش دیده اند شامل شبکه AlexNet ، VGGNet و ResNet است. در این مقاله انواع روش ها تبیین و مقایسه ای بین آنها انجام شده است . طبقه بندی کننده معماری Resnet به عنوان مدل طبقه بندی انتخاب و دقت طبقه بندی به عنوان معیار ارزیابی الگوریتم ها در نظر گرفته شده است. با توجه به نتایج حاصل شده از مقایسه بین سه مدل شبکه عصبی کانولوشن، دقت بدست آمده ResNet ، 94/51% می باشد که در مقایسه با دو شبکه دیگر بالاتر است

یادگیری عمیق، شبکه های عصبی کانولوشن، پردازش تصویر، طبقه بندی کهکشان، معماری Resnet