|
عنوان
|
مروری بر شبکه های مهم یادگیری عمیق CNN و کاربردهای آن در کشاورزی
|
|
نوع پژوهش
|
مقاله ارائه شده کنفرانسی
|
|
کلیدواژه‌ها
|
یادگیری عمیق، هوش مصنوعی، شبکه کانولوشن، نقشه ویژگی
|
|
چکیده
|
بهره گیری از شبکه های کانولوشنی یا یادگیری عمیق در حوزه کشاورزی به دلیل داشتن توانایی عالی در استخراج ویژگی های تصاویر از محبوبیت بیشتری برخودار بوده و اخیرا توجه بسیاری از محققان را به خود جلب کرده است. این بررسی بیشتر به منظور تشویق و ترغیب محققان به استفاده از شبکه های لایه عمیق برای حل بسیاری از کارهای مرتبط با حوزه کشاورزی از جمله شناسایی، پیش بینی و طبقه بندی کلاسها در ارتباط با بینایی ماشین، تحلیل تصاویر یا به شکل کلی تحلیل داده ها است. مزیت کلی یادگیری عمیق در تامین راهکاری برای ایجاد کشاورزی پایدار، هوشمند و تولید محصول با کیفیت بالا است و می تواند در هوشمند سازی کشاورزی کمک شایانی به کشاورزان در حوزه های مختلف داشته باشد. در این تحقیق سعی گردید انواع روش های مهم یادگیری ماشین، شبکه های مختلف یادگیری عمیق، تعداد پارامترهای آنها و تحلیل اجزا لایه ها بررسی گردد تا دید کامل تری از شبکه های متداول یادگیری عمیق بدست آید. همچنین در این گزارش شاخص های ارزیابی کیفی شبکه ها بررسی و معرفی شد تا بتوان از آنها در ارزیابی شبکه ها بهره برد.
|
|
پژوهشگران
|
حسین باقرپور (نفر اول)، فرهاد فاتحی (نفر دوم)
|