|
Title
|
تركيب شبكه عصبي فازي پويا و مدل هاي پيش آموزش ديده شبكه عصبي كانولوشن به منظور طبقه بندي تصاوير فراطيفي
|
|
Type
|
Presentation
|
|
Keywords
|
تصاوير فراطيفي، استخراج ويژگي، شبكه عصبي كانولوشن، يادگيري انتقال، شبكه عصبي فازي پويا
|
|
Abstract
|
اخيراً روش هاي مبتني بر يادگيري عميق در زمينه طبقه بندي تصوير فراطيفي محبوبيت زيادي به دست آورده اند. با اين حال، آموزش يك مدل يادگيري عميق به تعداد زيادي نمونه برچسب دار نياز دارد، كه معمولاً در تصاوير فراطيفي غير عملي است. در اين مقاله، يك روش استخراج ويژگي ساده اما موثر براي طبقه بندي تصوير فراطيفي و يك روش طبقه بندي فازي با استفاده از ويژگي هاي استخراج شده پيشنهاد شده است. يك شبكه عصبي كانولوشن عميق از پيش آموزش ديده بر اساس مجموعه داده ImageNet براي استخراج ويژگي هاي مكاني يك تصوير فراطيفي استفاده مي شود. مدل هاي از پيش آموزش ديده با استفاده از مجموعه داده ImageNet آموزش مي بينند. اين بدان معناست كه روش پيشنهادي براي آموزش مدل عميق به تعداد زياد نمونه هاي فراطيفي داراي برچسب نيازي ندارد. بنابراين سرعت استخراج ويژگي تصاوير فراطيفي، با اين مدل شبكه هاي كانولوشن چون نيازي به آموزش مدل يادگيري عميق ندارد، سريع است. در نهايت، ويژگي هاي طيفي استخراج شده به عنوان ورودي طبقه بندي كننده DFNN قرار مي گيرند. DFNN مبتني بر شبكه هاي عصبي RBF هستند، كه نورون ها را با توجه به عملكرد آن در سيستم به صورت خودكار اضافه يا حذف مي كند و مي تواند ساختار و پارامترها را همزمان تنظيم كند. روش پيشنهادي بر روي دو مجموعه داده تصويري فراطيفي ارزيابي مي شود.
|
|
Researchers
|
fereshteh sharifi (First researcher) , Amin Torabi Jahromi (Second researcher) , Ahmad Keshavarz (Third researcher)
|