في السنوات الأخيرة نمت مشكلة تصنيف الكائنات في الصّور نتيجة لمتطلبات القطاع الصناعي.على الرّغم من تعدد التقنيات المستخدمة للمساعدة في عملية التصنيف SIFT Scale Invariant Feature Transforms، ORB Oriented Fast And Rotated Brief , SURF Speed Up Robust Features، إضافة لشبكات التعلم العميق Deep Learning Neural Network DNN والشبكات العصبونية الالتفافية Convolutional Neural Network CNN، فإن الأنظمة المقترحة لمعالجة هذه المشكلة تفتقر للحل الشّامل للصعوبات المتمثلة بوقت التّدريب الطّويل والذاكرة العائمة أثناء عملية التدريب، وانخفاض معدّل التصنيف. تعتبر الشبكات العصبونية الالتفافيةConvolutional Neural Networks (CNNs) من أكثر الخوارزميات استخداما لهذه المهمة، فقد كانت نموذجا حسابيا لتحليل البيانات الموجودة في الصور. تم اقتراح نموذج شبكة التفافية عميقة جديد لحل المشاكل المذكورة أعلاه. يهدف البحث إلى إظهار أداء نظام التّعرف باستخدام شبكاتCNNs على الذّاكرة المتاحة وزمن التدريب وذلك من خلال منهجة متغيرات مناسبة للشبكة العصبونية الالتفافية. قاعدة البيانات المستخدمة في هذا البحث هي CIFAR10 المكونة من60000 صورة ملونة تنتسب لعشرة أصناف، حيث أن كل 6000 صورة تكون لصنف من هذه الأصناف. يوجد 50000 صورة للتدريب و 10000 صورة للاختبار. حقق النموذج لدى اختباره على عينة من الصور المنتقاة من قاعدة البيانات CIFAR10 معدل تصنيف 98.87%.
In recent years, the problem of classifying objects in images has increased by using deep learning as a result of the industrial sector requirements. Despite of many algorithms used in this field, such as Deep Learning Neural Network DNN and Convolutional Neural Network CNN, the proposed systems to address this problem Lack of comprehensive solution to the difficulties of long training time and floating memory during the training process, low rating classification. Convolutional Neural Networks (CNNs), which are the most used algorithms for this task, were a mathematical pattern for analyzing images data. A new deep-traversal network pattern was proposed to solve the above problems. The aim of the research is to demonstrate the performance of the recognition system using CNNs networks on the available memory and training time by adapting appropriate variables for the bypass network. The database used in this research is CIFAR10, which consists of 60000 colorful images belonging to ten categories, as every 6,000 images are for a class of these items. Where there are 50,000 training images and 10,000 test tubes. When tested on a sample of selected images from the CIFAR10 database, the model achieved a rating classification of 98.87%.
Artificial intelligence review:
Research summary
تناولت الورقة البحثية مشكلة تصنيف الكائنات في الصور باستخدام تقنيات التعلم العميق، مع التركيز على الشبكات العصبونية الالتفافية (CNN). تم اقتراح نموذج جديد للشبكة العصبونية الالتفافية بهدف تحسين الأداء من حيث وقت التدريب واستهلاك الذاكرة. استخدمت قاعدة بيانات CIFAR-10 التي تحتوي على 60000 صورة ملونة موزعة على عشرة أصناف. حقق النموذج المقترح دقة تصنيف بلغت 98.87% عند اختباره على عينة من الصور. تم تنفيذ عملية التدريب على حاسوب شخصي باستخدام برنامج ماتلاب، وتضمنت مراحل العمل معالجة مسبقة للصور، تدريب النموذج، واختبار الأداء. أظهرت النتائج تفوق النموذج المقترح في تقليل التعقيد الحسابي واستهلاك الذاكرة، مما يجعله مناسبًا للاستخدام في الأجهزة المحمولة والتطبيقات العملية مثل رعاية المكفوفين.
Critical review
دراسة نقدية: تعتبر الورقة البحثية خطوة مهمة في مجال تصنيف الكائنات باستخدام الشبكات العصبونية الالتفافية، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، كان من الممكن تقديم مقارنة أكثر تفصيلاً بين النموذج المقترح والنماذج الأخرى الموجودة في الأدبيات لتوضيح الفروق بشكل أكبر. ثانياً، لم يتم التطرق بشكل كافٍ إلى تأثير حجم البيانات المستخدمة في التدريب على أداء النموذج، حيث يمكن أن يكون لحجم البيانات تأثير كبير على دقة التصنيف. ثالثاً، كان من الممكن تقديم تحليل أعمق لتأثير مختلف البرامترات المستخدمة في النموذج على الأداء النهائي. وأخيراً، يمكن أن تكون هناك حاجة إلى تجربة النموذج على قواعد بيانات أخرى للتأكد من عمومية النتائج.
Questions related to the research
-
ما هي قاعدة البيانات المستخدمة في البحث؟
قاعدة البيانات المستخدمة هي CIFAR-10، التي تحتوي على 60000 صورة ملونة موزعة على عشرة أصناف.
-
ما هي دقة التصنيف التي حققها النموذج المقترح؟
حقق النموذج المقترح دقة تصنيف بلغت 98.87% عند اختباره على عينة من الصور.
-
ما هي المراحل التي تضمنها البحث؟
تضمن البحث مراحل المعالجة المسبقة للصور، تدريب النموذج، واختبار الأداء.
-
ما هي التوصيات التي قدمها البحث للاستخدام العملي للنموذج؟
يوصي البحث باستخدام النظام في مجال رعاية الأشخاص المكفوفين من خلال ابتكار أجهزة يحملونها للتعرف على الكائنات الملتقطة من كاميرا يحملونها في أيديهم.
References used
Roy, S. S., Ahmed, M., & Akhand, M. A. H.,”Noisy image classification using hybriddeep learning methods”, Journal of ICT, 18, No. 2 (April) 2018, pp: 233–269.
This paper shows a new approach to determine the presence of defects and to classify the defect type online based on Artificial Neural Networks (ANNs) in electrical power system transmission lines. This algorithm uses current and voltage signals samp
Text classifiers are regularly applied to personal texts, leaving users of these classifiers vulnerable to privacy breaches. We propose a solution for privacy-preserving text classification that is based on Convolutional Neural Networks (CNNs) and Se
The contribution of our research include building an artificial neural
network in MATLAB program environment and improvement of
maximum loading point algorithm, to compute the most critical
voltage stability margin, for on-line voltage stability a
يهدف البحث إلى تقديم دراسة مرجعيّة مفصلة عن استخدام الشبكات العصبونية الإلتفافية (CNNs) في استخراج الميزات (Features) من الصور.
وسيتطرق البحث إلى التعريف بمعنى الميزات (Features) الخاصة بالصور وأهميتها في تطبيقات معالجة الصورة.
وسيتم أيضاً التعريف
This paper introduces a system to recognize labels of time plans, where labels are
extracted from time plan. This labels are images, so spatial segmentation is used to extract
images of labels only. Size of images of labels are made same using medi