بهینه سازی فرا پارامترهای U-Netجهت افزایش دقت در بخش بندی تصویر

در سال های اخیر تلاش برای بهینه سازی سیستم های طراحی شده ی موجود در زمینه علوم مختلف، توسط پژوهشگران مورد توجه ویژه قرار گرفته است. در میان مدل‎های مبتنی بر یادگیری عمیق، معماری U-Net به سبب دقت و سرعت بالای یادگیری و پردازش سریع داده ها و نیز عدم نیاز به پایگاه‎های داده‎ای بزرگ برای آموزش شبکه، به عنوان یک معماری شناخته شده و محبوب جهت بخش‎بندی و استخراج ویژگی از تصاویر مطرح شده است. در این مقاله، با به کارگیری الگوریتم فرا ابتکاری ملخ به بهینه سازی تعدادی از فرا پارامترهای مهم و اساسی U-Net می پردازیم. تعیین مقادیر مناسب این فرا پارامترها در کمینه نمودن تابع هزینه ی شبکه بسیار موثر می باشد. نتایج حاصل از این پژوهش نشان دهنده ی افزایش دقت شبکه ی بهینه شده در مقایسه با شبکه ی پایه جهت بخش بندی تصاویر می باشد. افزایش دقت در بخش بندی تصاویر موجب استخراج دقیق تر ویژگی های تصویر و نیز دستیابی به دانشی نزدیک تر به حقیقت می گردد.

Keywords:

الگوریتم فرا ابتکاری , بخش بندی تصاویر , بهینه سازی , فرا پارامتر , U-Net