طراحی و ارزیابی یک شبکه عصبی کپسولی جدید برای طبقه بندی نامتوازن تصاویر
Publish place: Machine Vision and Image Processing، Vol: 9، Issue: 1
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 252
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMVIP-9-1_001
تاریخ نمایه سازی: 13 آذر 1400
Abstract:
طبقه بندی نامتوازن تصاویر یکی از مسائل مهم و دشوار در زمینه داده کاوی است. با عدم توانایی الگوریتم های طبقه بندی استاندارد، شبکه های عصبی کپسولی با درنظر گرفتن ارتباطات فضایی ویژگی ها، در مقایسه با سایر شبکه های عمیق مثل شبکه های عصبی کانولوشنی بستر مناسبی را برای طراحی مدل های طبقه بندی نامتوازن فراهم می کنند. ازطرف دیگر چندشاخگی در ترک های سطحی یکی از ناهنجاری ها و دسته های اقلیت موجود در سازه های بتنی است که تشخیص آن می تواند در نگهداری سازه های بتنی و مدیریت هزینه ها موثر باشد. به همین منظور در این مقاله یک معماری جدید بر اساس شبکه های عصبی کپسولی برای ارزیابی طبقه بندی نامتوازن تصاویر ترک های سطحی در سازه های بتنی معرفی شده است. بررسی و مقایسه شبکه پیشنهادی با شبکه های کانولوشنی در طبقه بندی متوازن و نامتوازن ترکهای سطحی روی ۱۳۵۰۰ مجموعه تصاویر جمع آوری شده، نشان از برتری شبکه پیشنهادی داشت. شبکه پیشنهادی در بررسی اثر کاهش تعداد تصاویر آموزش در دقت طبقه بندی نیز برتری چشمگیری در مقایسه با شبکه های کانولوشنی از خود نشان داد. این شبکه طبقه بندی متوازن ترکهای سطحی را با دقت ۹۹/۵۶ درصد انجام داد. همچنین شبکه پیشنهادی تا عدم توازن دسته اقلیت به اکثریت ۱ به ۸، دقت بالای ۸۰ درصد داشت که نسبت به سایر روش ها بسیار مناسب است.
Keywords:
طبقه بندی تصاویر , طبقه بندی نامتوازن , ترک های سطحی , چندشاخگی , یادگیری عمیق , شبکه های عصبی کپسولی
Authors
حامد جباری
دانشجوی دکتری مهندسی برق -کنترل، دانشگاه بین المللی امام خمینی(ره) قزوین.
نوشین بیگدلی
گروه مهندسی برق -کنترل، دانشگاه بین المللی امام خمینی(ره) قزوین