اصلاح معماري شبكه عصبي كانولوشنال جهت طبقه‌بندي تصاوير آغشته به نويز ضربه

نويز ضربه موجب اختلال در فرايند طبقه‌بندي تصاوير توسط شبكه عصبي كانولوشنال مي‌گردد. پيش‌پردازش جهت حذف نويز ضربه هزينه‌بر است و تصاوير تخريب‌شده به دليل عدم بهبود كافي، اثر مخرب در مراحل آموزش و اعتبارسنجي اين شبكه دارند. در اين مقاله با اصلاح معماري شبكه عصبي كانولوشنال، يك مدل مقاوم در برابر نويز ضربه معرفي مي‌شود. روش پيشنهادي، طبقه‌بندي تصاوير نويزي را بدون نياز به هيچ گونه پيش‌پردازش انجام مي‌دهد. لايه تشخيص نويز ضربه در بدنه شبكه عصبي كانولوشنال تعبيه مي‌شود و از پردازش مقادير نويزي جلوگيري مي‌كند. براي آموزش مدل پيشنهادي از پايگاه داده 2012 ILSVRC استفاده شده است. نتايج شبيه‌سازي نشان مي‌دهد كه جلوگيري از تأثيرگذاري نويز ضربه در فرايند آموزش و طبقه‌بندي شبكه عصبي كانولوشنال، دقت و سرعت آموزش شبكه را افزايش مي‌دهد. روش پيشنهادي با خطاي 0.24 در طبقه‌بندي تصاوير آغشته به نويز ضربه با چگالي 10% بهتر از ساير روش‌هاي مورد مقايسه مي‌باشد. مرتبه زماني (1)O در اصلاح CNN جهت مقاومت در برابر نويز نشان‌دهنده برتري روش پيشنهادي است.