تحسين نموذج التعرف علي الاشياء علي اساس التعلم العميق
ملخص البحث
التطور السريع للمنصات والتقنيات الرقمية هو سبب انتشار الكثير من البيانات مثل النصوص والصور ومقاطع الفيديو والأصوات. في الآونة الأخيرة ، أجرى الباحثون الكثير من الأبحاث في مجال معالجة الصور مثل الصحة والأمن وتطبيقات وسائل التواصل الاجتماعي وما إلى ذلك. ولكن اصبح التعامل مع كمية هائلة من بيانات الصور والتعرف عليها بمعدل دقة عالي من أهم المشكلات التي تحتاج الي التحسين. لذلك، تركز هذه الدراسة على مجموعة كبيرة من بيانات الصور cifar-10التي تحتوي على عدد كبير من الصور بفئات مختلفة للتعرف عليها بمعدل دقة عالي.
المهمة الرئيسية في عملية التعرف على الصور هي مرحلة استخراج الميزات التي تميز كل صورة عن الأخرى. يعتمد معدل الدقة العالي على جودة وعدد الميزات المستخرجة في مرحلة استخراج الميزات. لذلك تعتمد هذه الأطروحة على تطوير نموذجين يعتمدان على الجمع بين تقنيات التعلم التقليدية والعميقة لاستخراج الميزات. تعد HOG و SURF من التقنيات التقليدية المستخدمة في استخراج الميزات بينما نماذج التعلم العميق المستخدمة هي ResNet50 و VGG16.
أظهرت النتائج التجريبية أن الجمع بين HOG و SURF و ResNet50 هو أفضل مزيج من الميزات لأن معدل الدقة وصل إلى %98.9 مقارنة مع متجه الميزات HOG و SURF و VGG16 الذي أدى إلى معدل دقة %98 . وبناء عليه فإن معدل الدقة الذي توصلت اليه هذه الدراسة حقق تحسنًا ملحوظًا في مجال التعرف علي الصور مقارنة بنتائج R. Madan et al. [21], S. Srivastava et al. [28], Y. Y. Wang [1], and F. GIUSTE et al. [39] وهي 91.09%, 91.1, 92%, 94.6% على التوالي.
الكلمات المفتاحيه
تحسين نموذج التعرف علي الاشياء علي اساس التعلم العميق