مقاله کنفرانسی سال ۱۳۹۶ فارسی

تجزیه تحلیل فراتفکیک پذیری (سوپر رزولوشن) دقیق تصویر بر اساس رویکرد یادگیری عمیق

چکیده مقاله

اخیرا توجه زیادی به شبکه های عصبی کانولوشن همجوشی شده که آن را به متغیری اجتناب پذیر برای جامعه سوپر رزولوشن فراتفکیک پذیری یا وضوح فوق العاده جهت کشف پتانسیل آن تبدیل نموده است مطالعه پیش رو به منظور ارایه روش یادگیری عمیق برای سوپر رزولوشن یک تصویر واحد انجام شده است این مطالعه به بررسی ادبیات سوپر رزولوشن در زمینه یادگیری عمیق پرداخته و بر جنبه های حایز اهمیت چندرسانه ای ها مانند عکس، ویدیو و چند بعدی ها به خصوص نقشه های عمق تمرکز نموده است روش مورد استفاده در این تحقیق بطور مستقیم به فراگیری ترسیم پایان به پایان میان عکسهای با رزولوشن وضوح بالا و پایین می پردازد علاوه بر این، این مطالعه نشان می دهد که روش های مبتنی بر برنامه ریزی پراکنده و ضعیف سنتی نیز می تواند به عنوان یک شبکه کانولوشن عمیق مورد استفاده قرار گیرد با این وجود، بر خلاف اینکه روش های سنتی هر کدام از مولفه ها را بطور جداگانه بکار می برند اما روش مورد استفاده در این مطالعه به بهینه سازی تمامی لایه ها می پردازد این مطالعه به بررسی ساختارهای شبکه ای مختلف و تنظیمات پارامتری پرداخته تا به ارتباط میان عملکرد و سرعت پی ببرد همچنین، این مطالعه به توسعه و گسترش شبکه جهت رویارویی با کانال های سه رنگ و کیفیت بهتر بازسازی سایه بطور همزمان پرداخته است علاوه بر این، هدف این مطالعه ارایه یک روش سوپر رزولوشن تک تصویری بسیار دقیق می باشد این روشیک از شبکه کنولوشن بسیار عمیق که تحت تاثیر شبکه VGG قرار دارد برای طبقه بندی خالص تصاویر استفاده نموده است این تحقیق تنها به فراگیری باقیمانده ها پرداخته و نرخ های یادگیری بی نهایت بالایی 104 آیتم بالاتر از SRcNN را مورد استفاده قرار داده است که توسط قطع گرادیان قابل تنظیم فعال شده است روش پیشنهادی، عملکرد بهتری نسبت به روش های موجود از نظر دقت و پیشرفت های بصری داشته که میتوان این نکته را در نتایج حاصل از مطالعه مشاهده نمود

کلیدواژه‌ها

سوپر رزولوشن یادگیری عمیق تصویر شبکه عصبی کانولوشن

نویسندگان

تصویر مجتبی امانی

مجتبی امانی

گروه علوم کامپیوتر ، دانشگاه بجنورد ،بجنورد ، ایران

تصویر سحر رضایی

سحر رضایی

گروه علوم کامپیوتر ، دانشگاه بجنورد ،بجنورد ، ایران

شیوه ارجاع

پرهیزکار، امیررضا و امانی، مجتبی و رضایی، سحر،1396،تجزیه تحلیل فراتفکیک پذیری (سوپر رزولوشن) دقیق تصویر بر اساس رویکرد یادگیری عمیق،کنفرانس ملی کامیپوتر،فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز

ارائه‌شده در

پوستر مجموعه مقالات دومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی مجموعه مقالات دومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی1 اسفند 1397 · اهواز
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۳۹۷ ۴,۷۱۸ مشاهده

بررسی روش های تشخیص اشیا در تصاویر

شناسایی شیء نقش مهمی در بینایی کامپیوتر ایفا میکند این امر برای بسیاری از برنامه های کاربردی در حوزه سیس…

بینایی کامپیوترشناسایی شیءشبکه عصبی
مقاله کنفرانسی سال ۱۳۹۷ ۳,۹۹۰ مشاهده

استفاده از داده کاوی و هوش مصنوعی در تشخیص بیماری ها

امروزه شایعترین بیماریهایی که در جهان مطرح است شامل دیابت، هپاتیت، بیماری های قلبی عروقی و انواع سرطانمی…

شبکه عصبی مصنوعیبیماری قلبیسرطان سینه
مقاله کنفرانسی سال ۱۳۹۶ ۳,۳۲۴ مشاهده

چالش های حقوقی اختراعات ناشی از هوش مصنوعی

در عصر فناوری کنونی، استفاده از سیستمهای هوش مصنوعی در صنایع مختلف مورد استقبال قرارگرفته است یکی ازمهمت…

هوش مصنوعیمخترعمالکیت اختراع
مقاله کنفرانسی سال ۱۳۹۷ ۲,۹۴۸ مشاهده

(Linked Data) مروری بر داده های پیوندی

داده های پیوندی بخشی از تکنولوژی وب معنایی است که به عنوان نسخه وب شناخته می شود وب معنایی مفهوم بسیار م…

داده های پیوندیمعماریپورتال داده
مقاله کنفرانسی سال ۱۳۹۷ ۲,۶۱۳ مشاهده

استفاده از الگوریتم های داده کاوی جهت پیش بینی مصرف دارو در بیمارستان

با توجه به بیماری های بسیار متنوع، و تجویز داروهای مختلف برای آنها، می توان بر اساس سابقه مصرف دارو، نیا…

پیش بینیداده کاویمصرف دارو
مقاله کنفرانسی سال ۱۳۹۷ ۲,۳۳۵ مشاهده

بررسی تجزیه و تحلیل ایستا و پویا در تشخیص بد افزارهای سیستم عامل اندورید

بدافزار کدی مخرب است که با هدف آسیب رسانی به سامانه های رایانه ای یا انجام اعمال ناخواسته روی آن ها از ق…

بدافزارتحلیل ایستاتحلیل پویا