| شناسگر رکورد: | ۱۶۴۵۰ |
| رشته تحصیلی: | نرم افزار |
| عنوان: | یادگیری چندکاره عمیق برای تحلیل بصری جامع |
| نويسنده: | میرمحمد احمدپورحسین زاده |
| استاد راهنما : | دکتر بابک مجیدی |
| استاد مشاور: | دکتر علی موقر رحیم آبادی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۰ |
| چکیده: | یادگیری عمیق به عنوان یکی از روش های پراستفاده امروزی در مباحث یادگیری ماشین می باشد و هر روز و هر روز محققان زیادی از حوزه های علمی مختلف به سمت یادگیری عمیق در جهت حل مسایل خود جذب می شوند. یادگیری عمیق از سال ۲۰۱۲ بیشتر مورد توجه همگان قرار گرفت و دلیل آن بالا بودن معیار دقت این روش نسبت به روش های یادگیری ماشین می باشد. ولی همانطور که در منابع بسیاری نیز اشاره شده است، یکی از مشکلات موجود در یادگیری عمیق، برای ارایه تحلیل های صحیح و درست، نیاز به انبوهی از داده برای آموزش شبکه های عصبی عمیق می باشد، تا به آن معیار دقت لازم برسند. موضوع داشتن داده زیاد نیز خود یک مسئله مهمی است که نمی توان از آن به همین راحتی گذشت، زیرا بدست آوردن یا جمع آوری مجموعه داده های مناسب برای آموزش در شبکه های عصبی عمیق مشکلات خود را دارند. یکی از روش هایی که جهت رفع چنین کاستی در این حوزه ارایه شد، یادگیری چندکاره می باشد، که برای به دست آوردن دقت لازم نیازی به داده های حجیم برای آموزش شبکه های عصبی نمی باشد. از این رو استفاده از روش های یادگیری چندکاره برای مسائل مربوط به حوزه بینایی کامپیوتر که یکی از شاخه های مهم و پر استفاده در یادگیری عمیق می باشد به نظر انتخاب درستی می باشد و از طرفی ظرفیت دیگری که یادگیری چندکاره برای استفاده کنندگان از این روش ایجاد می نماید تعریف چندین کار یا وظیفه به شبکه عصبی بوده و در ادامه بهبود و استفاده از پارامترهای بدست آمده دیگر وظایف برای بالا بردن دقت و بهبود وظایف دیگر می باشد، که نکته ای بسیار مهم و قابل تامل برای انگیزش استفاده از این روش یادگیری مخصوصا در حوزه بینایی کامپیوتر را ایجاد می نماید. ما نیز در این پایان نامه با توجه به ظرفیت و ویژگی های منحصر به فردی که روش یادگیری چندکاره ایجاد کرده است، برای تحلیل بصری جامع از این روش در تحلیل تصاویر ویدیویی برای تحلیل فاصله اجتماعی و تشخیص افراد با ماسک و بدون ماسک بوده استفاده نمودیم، که نتایج بدست آمده از استفاده از این روش در مقایسه با کار دیگران که از روش های یادگیری عمیق استفاده نموده اند بهتر بود. هر چند ایراداتی نیز دیده شد که امید است در کارهای آینده آنها را نیز مرتفع نموده و به نتیجه بهتری نیز رسید. |
| واژگان کلیدی: | مهندسی کامپیوتر |
| مهندسی نرم افزار | |
| یادگیری عمیق | |
| یادگیری چندکاره | |
| یادگیری چندکاره عمیق | |
| تحلیل بصری جامع |