|
Title
|
تركيب شبكه عصبي كانولوشن و ماشين بردار پشتيبان براي طبقه بندي تصاوير فراطيفي
|
|
Type
|
Presentation
|
|
Keywords
|
تصاوير فراطيفي، شبكه عصبي كانولوشن، ماشين بردار پشتيبان، استخراج ويژگي، طبقه بندي.
|
|
Abstract
|
تاكنون پژوهش هاي زيادي در زمينه ي طبقه بندي تصاوير فراطيفي انجام شده است. براي تشخيص و طبقه بندي تصاوير ابتدا نياز به تكنيك هاي استخراج ويژگي است و براساس ويژگي هاي استخراج شده از الگوريتم هاي طبقه بندي استفاده مي گردد. قبل از ظهور يادگيري عميق معمولاً براساس استخراج و انتخاب ويژگي ها به صورت دستي، طبقه بندي انجام مي شد، كه با صرف زمان و انرژي زيادي همراه بود. در مقابل، شبكه عصبي كانولوشنCNN ، كه به طور گسترده در بينايي رايانه به كار گرفته شده است، مي-تواند به طور خودكار ويژگي ها را از داده هاي آموزشي استخراج كند، اما آموزش CNN معمولاً به نمونه ي آموزشي زيادي نياز دارد و باعث مسئله overfit مي شود. از سوي ديگر، SVM داراي قابليت تعميم خوب است و مي تواند مشكل نمونه آموزشي كم را حل كند. بنابراين، در اين مقاله، از مدل تركيبي CNN-SVM براي استفاده از مزاياي هر دو، براي طبقه بندي تصاوير فراطيفي پيشنهاد شده است. در مقايسه با طبقه بندي كننده رايج كه طبقه بندي را با ويژگي هاي دست ساز انجام مي دهد، مدل تركيبي CNN-SVM مي تواند ويژگي هايي را كه به طور خودكار با CNN استخراج شده را با SVM طبقه بندي كند. مي توان با استفاده از تركيب SVM باCNN دقت طبقه بندي را بهبود بخشيد.
|
|
Researchers
|
fereshteh sharifi (First researcher) , Amin Torabi Jahromi (Second researcher) , Ahmad Keshavarz (Third researcher)
|