کنفرانس بین المللی فناوری اطلاعات و دانش

صفحه اصلی / یازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

بهبود عنوان‌نگاری تصویر با استفاده از روش‌های یادگیری عمیق

نویسندگان :

مهدی صیادجو¹ محمدجواد فدائی اسلام²

1- دانشگاه سمنان 2- دانشگاه سمنان

کلمات کلیدی :

توصیف تصویر، شبکه عصبی LSTM، یادگیری عمیق

چکیده :

عنوان‌نگاری یکی از مباحث مهم مطرح شده در حوزه‌ی پردازش تصویر و بینایی ماشین است که مدتی طولانی مورد بحث بوده و روش‌های مختلفی برای انجام آن ارائه شده است. امروزه با افزایش روش‌ها و قدرتمندتر شدن ابزارهای سخت افزاری و نرم افزاری، عنوان‌نگاری تصویر شکل تازه‌ای به خود گرفته و به صورتی بسیار دقیق‌تر و پیچیده‌تر از گذشته مورد توجه قرار گرفته است. در این پژوهش روشی جدید برای بهبود یک معماری شبکه‌عصبی از نوع رمزگذار-رمزگشا که عملیات توصیف تصویر را انجام می‌دهد ارائه شده است. در این معماری از یک شبکه عصبی کانولوشن به منظور رمزگذاری و یک شبکه عصبی بازگشتی برای تولید توصیف استفاده شده است. در نهایت یک روش جدید برای کاهش هزینه و فضای محاسباتی با حفظ دقت چارچوب اصلی ارائه شده است. این روش‌ها با انجام تغییرات در شبکه‌ی عصبی با بهره گیری از NIG پیاده‌سازی شد. در روش پیشنهادی با حذف دروازه‌ی ورودی میزان محاسبات کاهش یافته و ضمن حفظ دقت، سرعت بالاتری فراهم شد. نتایج پیاده‌سازی از این بهبود حکایت دارد.