پایان نامه شبکه عصبی کانولوشنی و کاربرد آن

در این پایان نامه شبکه عصبی کانولوشن بسیار به مفهوم شبکه عصبی مصنوعی نزدیک است. در این شبکه که متشکل از نورون های یادگیرنده است ، به وسیله وزن نورونها در ورودی ها حجمی به دست می آید. به وسیله یک تابع فعالسازی از خروجی ها مشتق گرفته می شود و نتیجه غیر خطی ارائه می گردد.
در این شبکه که از دو بخش تشکیل شده است: در یک طرف ورودی های خام تصویر و در طرف دیگر امتیازات به دست آمده قرار دارد. هزینه در این تابع ها بررسی شده و مسیر مناسب معرفی می شود.
شبکه عصبی مذکور به صورد صد در صد ورودی را یک تصویر تصور می کند. به همین دلیل می تواند توابع خاصی برای آن تعریف نمود و دایره پاسخ ها را کوچک تر می نماید. با این کار میزان پارامترهای شبکه نیز به شدت کاهش پیدا میکند.

شبکه عصبی کانولوشن (CNN) یک شبکه عصبی قدرتمند و پرکاربرد در یادگیری عمیق است. این مورد برای پردازش داده‌های شبکه‌ای (Grid-Structured Data) مانند تصاویر به کار می‌ رود. شبکه فوق شامل اجزای مختلفی از جمله فیلتر های کانولوشنی برای استخراج ویژگی است. لایه‌ های pooling برای کاهش بُعد و لایه‌های fully connected برای طبقه‌ بندی نهایی نیز در آن دیده می شوند. به دلیل توانایی بالای CNN در تشخیص الگو های پیچیده، این شبکه‌ ها نه تنها در پردازش تصویر، بلکه در حوزه‌های دیگری مانند پردازش زبان طبیعی و تشخیص گفتار نیز کاربرد دارند.

کاربرد شبکه عصبی کانولوشنی

از جمله موارد استفاده از شبکه های عصبی کانولوشنی می توان به تشخیص خودرو در بزرگراه ها، تشخیص تومور درMRI ، و تومورها در سرطان سینه، تشخیص دستخط، تشخیص حروف و اعداد، سامانه بازشناسی اسناد، تشخیص چهره، بازشناسی چهره در سامانه های امنیتی، بازشناسی علائم ترافیکی و راهنمایی و رانندگی و طراحی سامانه های هدایت خودکار، بازشناسی اشیا، بینایی ربات ها، ردیابی اجسام متحرک در ویدئوها اشاره کرد.

ادامه مطلب