محمود امین طوسی
چکیده
وجود داده‌های آموزشی کافی، امری اساسی در همۀ سیستم‌های یادگیری با نظارت و منجمله در حوزۀ یادگیری عمیق و بینایی ماشین است. یکی از روش‌های استفاده‌شده برای افزایش تعداد نمونه‌های آموزشی در یادگیری ...
بیشتر
وجود داده‌های آموزشی کافی، امری اساسی در همۀ سیستم‌های یادگیری با نظارت و منجمله در حوزۀ یادگیری عمیق و بینایی ماشین است. یکی از روش‌های استفاده‌شده برای افزایش تعداد نمونه‌های آموزشی در یادگیری عمیق، شیوۀ «داده‌افزایی» است. این شیوه، متضمن تبدیل‌های دوران، انتقال و برش روی تصاویر آموزشی است که به افزایش تعداد نمونه‌های آموزشیِ نسبتاً متفاوت از داده‌های اولیه منجر می‌شود. در این نوشتار از الگوریتم «انتقال سَبْک» مبتنی بر شبکه‌های مولد رقابتی برای افزایش تعداد نمونه‌های آموزشی استفاده شده است. هدف در انتقال سبک، اِعمال ظاهر یا سبک بصری یک تصویر روی تصویری دیگر است که جنبۀ هنری آن بیشتر دیده شده است. در این نوشتار از این شیوه برای تولید نمونه‌های جدید آموزشی استفاده شده و به‌منزلۀ یک کاربرد، روش پیشنهادی بر روی مسئلۀ شناسایی شعلۀ آتش اعمال شده است. با این فرض که تصاویر آموزشی ثبت‌شده در طی شب، کمتر از نمونه‌های اخذشده در روزند، با اعمال یک روش انتقال سبک، تصاویر روز به تصاویر شب، تبدیل و به‌عنوان دادۀ آموزشی به مجموعه دادگان اضافه می‌شوند. نتایج آزمایشات انجام‌شده، کارایی شیوۀ پیشنهادی را نشان داده است. شیوۀ پیشنهادی به‌صورت میانگین، ۷ درصد نرخ تشخیص درست را نسبت به استفاده‌نکردن از آن افزایش داده است.
