مدیریت هوشمند ساحل با استفاده از سیستم تصمیم یار مبتنی بر یادگیری عمیق [Persian Thesis]
آرزو ناظردیلمی
| شناسگر رکورد: | ۱۵۸۶۶ |
| رشته تحصیلی: | نرم افزار |
| عنوان: | مدیریت هوشمند ساحل با استفاده از سیستم تصمیم یار مبتنی بر یادگیری عمیق |
| نويسنده: | آرزو ناظردیلمی |
| استاد راهنما : | دکتر علی موقر رحیم آبادی |
| استاد مشاور: | دکتر بابک مجیدی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۷ |
| چکیده: | امروزه با گسترش ایده شهر هوشمند در ابعاد وسیع، که اجازه میدهد تا شهروندان ساکن در یک شهر با استفاده از مزایای ادغام فناوری اطلاعات و اینترنت اشیا از کلیه خدمات اجتماعی و کاربری شهری به طور بهینه بهره مند شوند، نیاز به این گونه هوشمند سازی را در محیطهای مختلف زیست محیطی گوشزد میکند. از آنجا که بخش قابل توجهی از تجارت ماهیگیری و صنعت گردشگری وابسته به سلامت سواحل است، تفسیر بصری محیط در ابعاد گسترده، اطلاعات مورد نیاز سیستم تصمیم یار را در خصوص عملیاتهای گستردهای چون مدیریت هوشمند سواحل، تامین میکند. جمع آوری زباله ها از محیط های طبیعی مانند دریا و سواحل و مدیریت پسماندهای جمع آوری شده امروزه تبدیل به فرایندی زمانبر و پر هزینه شده است. اگر امکان جداسازی پسماندها به خصوص زباله های قابل بازیافت از مبدا وجود داشته باشد، هزینهصهای مربوط به مدیریت بازیافت و استفاده مجدد از این پسماندها، به طور چشم گیری کاهش خواهد یافت. در این پروژه و در راستای هوشمندسازی مدیریت محیطهای طبیعی به ویژه سواحل و دریا، با به کارگیری علم یادگیری عمیق و شبکه های عصبی تکاملی اقدام به تشخیص و تفکیک زباله های قابل بازیافت در سواحل نمودیم. زمانی که صحبت از دسته بندی تصاویر و یا تشخیص اشیا در دادههای تصویری و ویدیویی میشود، شبکه های عصبی تکاملی کاربرد گسترده و نتایج بسیار خوبی در طبقه بندی تصاویر و درک محیط به همراه داشته اند. در پایان نامه پیش رو یک شبکه عصبی تکاملی با الگو از شبکه عصبی عمیق Inception به منظور تشخیص و تفکیک زباله ها در محیط ساحلی ارائه گردیده است. در راستای آموزش این شبکه عصبی، دیتاستی شامل ۱۰ کلاس که با در نظر گرفتن جنس و شکل اشیا تفکیک شده اند جمع آوری گردیده است. بخش قابل توجی از تصاویر این دیتاست را تصاویر مربوط به محیطهای بومی سواحل دریای خزر تشکیل میدهند تا شبیه سازی بر روی محیط واقعی انجام شود. این دیتاست در مجموع دارای بیش از ۲۰ هزار داده تصویری و ۲۰ گیگ داده ویدیویی است که در حال افزایش است. نتایج حاصل از پیادهسازی و آموزش شبکه عصبی طراحی شده نشان میدهد که تکنیک به کار رفته در این آزمایش از دقت قابل قبولی در محیطهای ساحلی برخوردار است. |
| واژگان کلیدی: | مهندسی کامپیوتر |
| واژگان کلیدی: | مهندسی نرم افزار |
| واژگان کلیدی: | یادگیری عمیق |
| واژگان کلیدی: | شبکه عصبی تکاملی |
| واژگان کلیدی: | بینایی ماشین |
| واژگان کلیدی: | ساحل هوشمند |
| Register Number | Part3 | Version | Volume | Part | Part2 | Reference | Call Number | lended | Date Back | Description | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 224671 | 1 | ||||||||||
| 224672 | 2 |
LoginWithYourAccountToPostComment