بخشبندی تصاویر مجموعه دادگانOxford IIIT Pet با معماری نوین بر پایه U-Net | ||
| مدل سازی در مهندسی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از 28 تیر 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2026.40889.2996 | ||
| نویسندگان | ||
| فهیمه رشیدی1؛ فریبا نمیرانیان2؛ علی محمد لطیف* 2 | ||
| 1داشکده مهندسی کامپیوتر - دانشگاه یزد | ||
| 2دانشکده مهندسی کامپیوتر، دانشگاه یزد | ||
| چکیده | ||
| در این پژوهش دو معماری نوین بر پایه U-Net برای بهبود عملکرد بخشبندی تصاویر مجموعهدادگان Oxford-IIIT Pet ارائه و ارزیابی شد. در معماری پیشنهادی اول با طراحی دو مسیر بازسازی و سه گلوگاه تلاش شد ظرفیت شبکه در یادگیری ویژگیهای پیچیده افزایش یابد. در معماری پیشنهادی دوم، دو مسیر بازسازی موازی با اتصالهای پرش مستقیم از رمزگذار به کارگرفته شد تا استخراج بهتری از ویژگیهای سطح پایین صورت گیرد. برای ارزیابی عملکرد مدلهای پیشنهادی، معماریها از ابتدا آموزش داده شدند. دقتهای معماری U-Net، معماری پیشنهادی اول و معماری پیشنهادی دوم بهترتیب 9154/0، 8654/0 و 9270/0 و مقادیر تابع زیان 2112/0، 3433/0 و 1825/0 در مجموعهدادگان آموزش بهدست آمد. همچنین این معماریها در مجموعهدادگان آزمون به دقتهای 8763/0، 8611/0 و 8906/0 و مقادیر تابع زیان 3881/0، 3654/0 و 3414/0 دست یافتند. این یافتهها نشانمیدهد که معماری پیشنهادی دوم عملکرد بهتری نسبت به معماری U-Net و معماری پیشنهادی اول دارد. مدل پیشنهادی دوم از دقت بالاتر و تابع زیان کمتری برخوردار است. این بهبود نتیجه اصلاح مسیرهای بازسازی و باز طراحی اتصالهای پرش است. | ||
| کلیدواژهها | ||
| بخشبندی تصویر؛ شبکههای عصبی کانولوشنی؛ شبکهU-Net؛ یادگیری عمیق | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 88 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 723 |
| تعداد مقالات | 10,394 |
| تعداد مشاهده مقاله | 72,861,852 |
| تعداد دریافت فایل اصل مقاله | 64,556,334 |