بهبود عملكرد الگوريتم هاي پردازش تصاوير سياه و سفيد براساس شباهت (SSIM) در يادگيري ماشين

در يادگيري ماشين به موضوعات مرتبط با يافتن شيوه‌ها و الگوريتم‌هايي مي‌پردازيم كه بر اساس آنها كامپيوترها (در مفهوم كلي) بتوانند توانايي تعلٌم و يادگيري را داشته باشند. صنايع پزشكي، رباتيك ( مانند وسيله هاي نقليه بدون سرنشين ) و خيلي ديگر از بخش هاي صنعتي و غير صنعتي در حال استفاده از يادگيري ماشين در كامپيوترها هستند. اين كامپيوترها به تدريج و با افزايش داده‌ها، كارايي بهتري در انجام وظيفه مورد نظر پيدا مي كنند. تصوير يكي از انواع اين داده ها است و پردازش و تحليل اين داده هاي تصويري نيز از شيوه هاي يادگيري اين كامپيوترها مي باشد. مي دانيم كه براي انجام عمليات پردازش و يادگيري، كامپيوترها بايد زمان و انرژي صرف كنند بنابراين هرچقدر الگوريتم و شيوه تحليل اين داده ها از پيچيدگي كمتر و دقت بيشتري برخوردار باشد در زمان و انرژي صرفه جويي مي شود. در مقاله ارائه شده برروي كاهش پيچيدگي محاسباتي و افزايش دقت تصميم گيري در پردازش تصاوير سياه و سفيد در كامپيوترها و مقايسه آنها با بانك اطلاعاتي پرداخته شده است بطوري كه بتوانيم عمليات تصميم گيري و مقايسه با بانك اطلاعاتي را در زمان بلادرنگ انجام دهيم. همچنين روش پيشنهادي باعث كاهش حداقل 30 درصدي عمليات پردازشي در مقايسه با موارد مشابه بدون افت دقت تصميم گيري مي شود.