طبقه بندي تصاوير با استفاده از يادگيري عميق در پايتون

Classification images using deep learning in python

زمينه و هدف : يادگيري عميق يك روش يادگيري ماشيني است كه به كامپيوتر ياد مي دهد آنچه را كه به طور طبيعي به انسان مي آيد انجام دهد: با مثال ياد بگيريد. يادگيري عميق يك فناوري كليدي در پشت اتومبيل هاي بدون راننده است كه به آنها امكان مي دهد يك علامت توقف را تشخيص دهند يا يك عابر پياده را از يك چراغ جلو تشخيص دهند. اين كليد كنترل صدا در دستگاه هاي مصرف كننده مانند تلفن ها ، تبلت ها ، تلويزيون ها و بلندگوهاي هندزفري است. يادگيري عميق اخيراً و به همين دليل بسيار مورد توجه قرار گرفته است. اين نتيجه اي است كه قبلاً امكان پذير نبود. روش تحقيق : در يادگيري عميق ، يك مدل كامپيوتري ياد مي گيرد كه كارهاي طبقه بندي را مستقيماً از روي تصاوير ، متن يا صدا انجام دهد. مدل هاي يادگيري عميق مي توانند به مدرن ترين دقت برسند ، گاهي اوقات از عملكرد سطح انساني فراتر مي روند. مدل ها با استفاده از مجموعه بزرگي از داده هاي داراي برچسب و معماري شبكه عصبي كه حاوي لايه هاي بسياري هستند ، آموزش مي بينند. نتايج: مدل طراحي شده را بر روي مجموعه داده هاي مورد نظر ازمايش مي كنيم. مدل طراحي شده بر روي داده هاي سرطان تا 93 درصد و بر روي داده هاي گل تا 99 درصد به درستي تشخيص ميدهد.