علیرضا مهرآوین - دانشجوی کارشناسی ارشد علوم کامپیوتر دانشگاه دامغان
مصطفی زارع خورمیزی - استادیار گروه علوم کامپیوتر دانشگاه دامغان
رضا مرتضوی - استادیار مهندسی کامپیوتر دانشگاه دامغان

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.

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