ارتقای وظیفه یافتن شی در تصاویر با یادگیری خودنظارتی

چکیده مقاله

استفاده از بینایی ماشین یکی از پایه های هوشمندسازی در صنعت است با معرفی شبکه های عصبی عمیق پیشرفت بزرگی در توسعه روش های بینایی ماشین صورت گرفت در یادگیری یک شبکه عصبی عمیق هر چقدر تعداد داده آموزشی بیشتری استفاده شود، دقت بهتری حاصل خواهد شد اما برای برخی وظیفه ها به خصوص در حوزه بینایی ماشین تهیه داده آموزشی سخت و زمان بر و هزینه بر خواهد بود به عنوان مثال برای آموزش یک مدل هوش مصنوعی برای یادگیری وظیفه یافتن شی نیازمند این هستیم که در هر تصویر آموزشی ناحیه شی را هم مشخص کنیم تهیه مجموعه داده برای این وظیفه کاری سخت است اما این وظیفه برای هوشمندسازی در صنعت بسیار حیاتی است تا یک مدل نتواند محیط خود را ببیند و نتواند اشیای محیط را بشناسد نمی تواند رفتار هوشمند انجام دهد، مخصوصا اگر مدل بخواهد در یک محیط صنعتی به کار گرفته شود به همین جهت رویکرد یادگیری خودنظارتی معرفی شد در این رویکرد می توانیم مدل را طوری آموزش دهیم که نیازمند به تعداد داده های آموزشی زیاد نباشیم در این مقاله به معرفی روشی شده است که نسبت به یادگیری با ناظر بتوانیم به کمک رویکرد یادگیری خودنظارتی برای وظیفه یافتن شی بهبود در دقت مدل داشته باشیم

کلیدواژه‌ها

نویسندگان

امیر خاکپور

دانشجوی دکتری مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیک، دانشگاه صنعتی امیرکبیر

�اکپور، امیر،1404،ارتقای وظیفه یافتن شی در تصاویر با یادگیری خودنظارتی،اولین کنفرانس ملی هوشمند سازی در صنعت،کرمان

ارائه‌شده در

مجموعه مقالات اولین کنفرانس ملی هوشمند سازی در صنعت23 مهر 1404 · کرمان