PFEBOUIDI

BOUIDI Abderrahmane‏

درباره این برنامه

تشخیص تصویر، در زمینه بینایی کامپیوتر، توانایی نرم افزار برای شناسایی اشیا، مکان ها، افراد، نوشته ها و اعمال در تصاویر است. رایانه ها می توانند از فناوری های بینایی ماشین در ترکیب با دوربین و نرم افزار هوش مصنوعی برای دستیابی به تشخیص تصویر استفاده کنند.
طبقه بندی تصویر به فرآیندی در بینایی کامپیوتری اشاره دارد که می تواند یک تصویر را بر اساس محتوای بصری آن طبقه بندی کند. به عنوان مثال، یک الگوریتم طبقه‌بندی تصویر می‌تواند برای نشان دادن اینکه آیا یک تصویر دارای یک شکل انسانی است یا خیر، طراحی شود. اگرچه تشخیص اشیاء برای انسان بی اهمیت است، طبقه بندی تصاویر قوی همچنان یک چالش برای برنامه های بینایی کامپیوتری است.
هدف از این مطالعه تعیین اینکه چه چیزی باعث می‌شود یک شبکه عصبی عمیق پردازش داده‌های پیچیده، مانند داده‌های تصویر/ویدئو، سریع‌تر و دقیق‌تر شود، ما آخرین معماری‌های موفق شبکه عصبی را برای تعیین کارآمدترین (و سریع‌ترین) بررسی می‌کنیم. معماری(های) در طبقه بندی تصویر، و همچنین تحقیق خواهیم کرد که کدام تکنیک های بهینه سازی در این نوع داده ها بهتر عمل می کنند.
ما سعی می‌کنیم بفهمیم که چگونه محققان اخیراً با طبقه‌بندی تصاویر گام بزرگی در تشخیص بصری برداشته‌اند و ببینیم که چگونه آنها در چالش ImageNet امتیاز دقت باورنکردنی را کسب کردند. با در نظر گرفتن اینکه چگونه می‌توانیم داده‌های پیچیده مانند داده‌های تصویر را سریع‌تر پردازش کنیم، چگونه می‌توانیم مشکل بیش از حد برازش روی این داده‌ها را مدیریت کنیم، و چگونه می‌توانیم زمان آموزش معماری خود را به حداقل برسانیم.