علوم رایانشی

علوم رایانشی

استادیار گروه بیوتکنولوژی، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران

نوع مقاله : مقاله پژوهشی

نویسندگان
فاطمه باجالن 1
هادی ویسی 2
محمد خوانساری 3
1 دانشکده علوم و فنون نوین- دانشگاه تهران - ایران
2 استادیار دانشکده علوم و فنون نوین- دانشگاه تهران - ایران
3 دانشیار دانشکده علوم و فنون نوین- دانشگاه تهران - ایران
چکیده
شبکه عصبی پیچشی (CNN) یکی از روش‌های عمیق یادگیری ماشین است که با توجه به کارایی بالای آن، امروزه استفاده از آن در استخراج ویژگی و دسته‌بندی تصاویر امر بسیار رایجی شده است. در این مقاله برای آشنایی بیشتر پژوهشگران با این حوزه و نوآوری‌های مرتبط با این شبکه، ساختار اصلی این شبکه و تعداد 10 معماری مهم و رایج آن مرور شده است. با مطالعه مقالات اصلی ارائه‌دهنده هر یک از معماری‌های شبکه پیچشی، نکات مهم و اصلی هر معماری که موجب بهبود عملکرد آن نسبت به موارد پیشین خود شده، جمع‌آوری و بررسی شده است. علاوه بر آن، مقایسه دقت معماری‌های مختلف این شبکه بخش دیگری از این مقاله مروری است. با توجه به حجم بالای مطالب در این حوزه و رشد سریع آن، نیاز به یک مرجع که همه مطالب ارائه شده تاکنون را در کنار هم مرور کرده باشد، انگیزه نوشتن این مقاله بوده است. مطالعه ساختارها و تکنیک‌های استفاده شده برای بهبود این شبکه می‌تواند به پژوهشگران در ایجاد ساختارهای بهینه‌تر و دقیق‌تر کمک کند.





 
کلیدواژه‌ها
یادگیری عمیق
شبکه عصبی پیچشی )کانولوشــنال(
معماریهای CNN( الکــس نت
گوگل نت
رزنت(