بهینه‌سازی ساختاری شبکه عصبی عمیق سلسله مراتبی خودتوجه و رمزگذاری پویای تک متغیره برای بزرگنمایی تصاویر دیجیتال

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری برق، دانشگاه لرستان

2 گروه مهندسی برق-الکترونیک، دانشکده فنی و مهندسی، دانشگاه لرستان

3 گروه مهندسی کامپیوتر، دانشگاه لرستان

چکیده

بزرگ‌نمایی تصاویر دیجیتالی یکی از روش‌های پردازش تصویر می‌باشد، که وضوح تصویر را در زمینه دید رایانه‌ای بهبود می بخشد. در اصل این کار برای بزرگ‌نمایی تصاویر ثابت ومتحرک که از زمان تصویر‌برداری آن‌ها گذشته و دسترسی به دوربین یا صحنه‌ها برای زوم وجود ندارد، استفاده می‌شود. در این مقاله از شبکه سلسله مراتبی جهت استخراج ویژگی‌های سطح بالا برای حل چالش مرز‌بندی بین رنگ‌ها و از بلوک‌های توجه خود‌آموز برای کاهش عملیات کانولوشن پیشنهاد می‌شود. در ادامه برای بهینه‌سازی شبکه از روش جستجو تصادفی و تقسیم دودویی برای یافتن پاسخ بهینه پارامتر‌ها و فراپارامتر‌ها استفاده می گردد. با استفاده از روش جستجوی ذکر شده علاوه بر جستجوی وزن‌ها و پارامتر‌های شبکه، میتوان ساختار معماری را نیز جستجو کرد، این عمل باعث تنظیم خودکار فراپارامترها و بهینه سازی ساختار شبکه خواهد شد. برای بررسی کارایی روش پیشنهادی، نتایج شبیه‌سازی بر روی پایگاه داده تصاویر در این حوزه تست شده که این نتایج برتری روش پیشنهادی نسبت به روش‌های دیگر را نمایش می‌دهد. باتوجه به نتایج بدست آمده در بهینه سازی معماری با استفاده از روش ذکرشده در بزرگ-نمایی چهار برابر با بلوک سلسله مراتبی چهار طبقه و استفاده از بلوک توجه در بخش بزرگ‌نمایی به عدد سیگنال به نویز 66/32 دست یافت.

کلیدواژه‌ها