کتابخانه مرکزی دانشگاه صنعتی شریف
    • [نمايش بزرگتر]
    • [نمايش کوچکتر]
  • صفحه 
    		 از  0
  • [صفحه قبل]
  • [صفحه بعد]
  • [نمایش تمام صفحه]
  • [بستن]
 
پیاده سازی موثر شبکه های عصبی کانولوشنال عمیق فشرده شده
افشار، محمد Afshar, Mohammad

اطلاعات کتابشناختی

پیاده سازی موثر شبکه های عصبی کانولوشنال عمیق فشرده شده
پدیدآور اصلی :   افشار، محمد Afshar, Mohammad
ناشر :   صنعتی شریف
سال انتشار  :   1396
موضوع ها :   شبکه عصبی Neural Network شبکه عصبی پیچشی Convolutional Neural Network افزایش کارایی...
شماره راهنما :   ‭05-50727

جستجو در محتوا

ترتيب

فهرست مطالب

  • 1 مقدمه (11)
    • 1-1 تعریف مسأله (11)
    • 1-2 اهمیت موضوع و چالش‌ها (12)
      • 1-2-1 اهمیت و کاربرد (12)
      • 1-2-2 چالش‌ها (13)
    • 1-3 بخش‌بندی معنایی (13)
    • 1-4 یادگیری با سرپرستی ضعیف و نیم‌سرپرست (14)
    • 1-5 يادگیری هماوردی (15)
    • 1-6 ساختار پایان‌نامه (15)
  • 2 پژوهش‌های پیشین (16)
    • 2-1 مقدمه (16)
    • 2-2 معیارهای ارزیابی دقت (16)
      • 2-2-1 معیار دقت پیکسلی (17)
      • 2-2-2 معیار دقت پیکسلی متوسط (17)
      • 2-2-3 معیار میانگین نسبت اشتراک به اجتماع (18)
      • 2-2-4 معیار ضریب دایس (18)
    • 2-3 بخش‌بندی معنایی (18)
      • 2-3-1 روش‌های سنتی بخش‌بندی معنایی (19)
      • 2-3-2 روش‌های مدرن بخش‌بندی معنایی (19)
      • 2-3-3 انواع شبکه‌های مرز دانش برای بخش‌بندی معنایی (20)
      • 2-3-4 استفاده از داده‌ی ژرفا در بخش‌بندی معنایی (25)
    • 2-4 بخش‌بندی معنایی با یادگیری هماوردی (36)
    • 2-5 بخش‌بندی معنایی با یادگیری نیم‌سرپرست (40)
      • 2-5-1 بخش‌بندی معنایی با یادگیری نیم‌سرپرست با استفاده از یادگیری هماوردی (40)
      • 2-5-2 بخش‌بندی معنایی با یادگیری نیم‌سرپرست با استفاده از داده‌های برچسب ضعیف (44)
      • 2-5-3 بخش‌بندی معنایی با یادگیری نیم‌سرپرست با استفاده از اعمال ثبات در شبکه (46)
    • 2-6 جمع‌بندی (50)
  • 3 راهکار پیشنهادی (51)
    • 3-1 مقدمه (51)
    • 3-2 ساختار شبکه‌ی روش پیشنهادی (51)
    • 3-3 شبکه‌ی بخش‌بند (52)
    • 3-4 شبکه‌ی تمیزدهنده (56)
    • 3-5 یادگیری نیم‌سرپرست (58)
    • 3-6 جمع‌بندی (59)
  • 4 نتایج تجربی (60)
    • 4-1 مقدمه (60)
    • 4-2 معرفی مجموعه داده‌ها (60)
      • 4-2-1 مجموعه داده‌ی NYU-V2 (61)
      • 4-2-2 مجموعه داده‌ی SUN RGB-D (61)
    • 4-3 جزئیات آموزش شبکه‌ی پیشنهادی (61)
      • 4-3-1 شبکه‌ی بخش‌بند و تمیزدهنده (61)
      • 4-3-2 پیش‌پردازش داده‌های ورودی (62)
      • 4-3-3 بهینه‌ساز و هایپرپارامترها (62)
    • 4-4 آزمایش‌های انجام شده روی ‌مجموعه‌داده‌ی SUN RGB-D (62)
    • 4-5 آزمایش‌های انجام شده روی ‌مجموعه‌داده‌ی NYU-V2 (65)
    • 4-6 مطالعه‌ی فرسایش (67)
    • 4-7 جمع‌بندی (68)
  • 5 جمع‌بندی و کار‌های آتی (69)
  • مراجع (71)
Loading...