طبقه بندی تصاویر با استفاده از شبکه های عصبی عمیق

امروزه یکی از شاخه های وسیع و پر کاربرد هوش مصنوعی، یادگیری ماشین میباشد که به تنظیم و اکتشاف شیوه ها والگوریتمها میپردازد. یکی از مهمترین و جذاب ترین کاربردهای بینایی ماشین و یادگیری ماشین، طبقه بندی تصاویر است.از آنجایی که عمل طبقه بندی کاملاً وابسته به ویژگیهای استخراج شده است، باید در استخراج و انتخاب تصاویر بسیارهوشمندانه عمل کرد تا به دقت ایده آل رسید. هدف اصلی ما در این مقاله، ارزیابی یادگیری عمیق در طبقه بندی تصاویرزبان برنامه نویسی پایتون پیاده سازی انجام شده است. در طبقه pytorch است. در این پژوهش با استفاده از کتابخانهبندی تصاویر، تعداد 38 دسته از اشیاء در دو گروه آزمون و آموزش و مجموع 2746 عکس مورد بررسی قرار گرفت. بهمنظور ارزیابی دو روش شبکه عصبی عمیق و ماشین بردار پشتیبان مورد مقایسه قرار گرفتند. در شبکه عصبی عمیق برایاستفاده کردهایم. نتایج ارزیابی نشان می دهد که طبقهبندی تصاویر با resnet آموزش از مدل از پیش آموز داده شدهاستفاده از روش عمیق دقت بسیار بالایی درمجموعه داده آزمون با 89 % و در مجموعه داده آموزش با 95 % را میدهد.