مقايسه روش هاي يادگيري عميق Mask R-CNN و CRF-RNN به منظور شناسايي و قطعه بندي سر نوزاد در تصاوير رنگي

امروزه الگوريتم هاي فراواني به منظور شناسايي و قطعه بندي تصاوير ارائه شده است ولي تمام الگوريتم هاي موجود در اين حوزه عملكرد موفقي نداشته اند، به ويژه زماني كه قطعه بندي يك شئي خاص در تصاوير متفاوت مد نظر باشد. بنابراين لازم است كه از الگوريتم هاي سنتي قطعه بندي عبوركرده و به سمت الگوريتم هاي مبتني بر شبكه هاي عصبي عميق رفت. هدف از اين مقاله، مقايسه دو الگوريتم شبكه عصبي عميق به منظور شناسايي و قطعه بندي سر نوزاد در تصاوير رنگي مي باشد. بر اساس اين تحقيق الگوريتم Mask R-CNN به منظور شناسايي و قطعه بندي سر نوزاد آموزش داده شد و نتايج آن با نتايج روش CRF-RNN مورد ارزيابي و مقايسه قرار گرفت و توانست نتايج به مراتب بهتري خصوصا در تصاوير چالشي به دست آورد. در اين تحقيق مشخص شد كه مي توان از روش Mask R-CNN به عنوان يك روش مطمئن به منظور شناسايي و قطعه بندي سر نوزاد در تصاوير استفاده نمود.