ترغب بنشر مسار تعليمي؟ اضغط هنا

رفع دقة صورة باستخدام شبكة عصبونية خُصُومية

971   1   71   0 ( 0 )
 تاريخ النشر 2018
والبحث باللغة العربية
 تمت اﻹضافة من قبل Nour Eddin Ramadan




اسأل ChatGPT حول البحث

مهمة إنشاء صورة عالية الدقة من نظيرتها منخفضة الدقة تُدعى SR (Super-Resolution). تلقت الـ SR اهتماماً كبير ضمن مجتمع الباحثين في مجال الرؤية الحاسوبية، كما أنً لها مجال واسع من التطبيقات[1, 2, 3]، كتحسين دقة الفيديوهات القديمة، تحسين فيديوهات المراقبة حيث تكون دقة هذه الفيديوهات منخفضة بسبب أحجامها الكبيرة، كما أن لها أهمية كبيرة في مجال التشخيص الطبي حيث أن دقة الكميرات التي تدخل جسم الإنسان منخفضة و يتعثر على الأطباء في كثير من الحالات التشخيص بسبب انخفاض جودة الصور و لها تطبيقات عديدة أيضاً في مجال الصور القادمة من الأقمار الصناعية فهذه الصور كذلك تكون ذات دقة منخفضة في أغلب الأحيان.


ملخص البحث
تتناول هذه الورقة البحثية مهمة رفع دقة الصور منخفضة الدقة باستخدام الشبكات العصبونية الخصومية (GAN). تعتبر هذه المهمة مهمة جداً في مجالات متعددة مثل تحسين جودة الفيديوهات القديمة وفيديوهات المراقبة والتشخيص الطبي وصور الأقمار الصناعية. بالرغم من التقدم الملحوظ في استخدام الشبكات العصبونية الالتفافية (CNN) في هذا المجال، إلا أن هناك مشكلة أساسية في استرجاع التفاصيل الدقيقة عند استخدام عوامل تكبير كبيرة. تعتمد الشبكات الحالية بشكل رئيسي على دالة الهدف التي تركز على خفض قيمة تابع خطأ إعادة التشكيل التربيعي، مما يؤدي إلى فقدان التفاصيل الدقيقة في الصور الناتجة. في هذا البحث، تم تقديم شبكة عصبونية خصومية تُدعى SRGAN، والتي تهدف إلى تحسين جودة الصور الناتجة باستخدام تابع خطأ إدراكي يعتمد على التشابه الإدراكي بدلاً من التشابه على مستوى البيكسل. أظهرت نتائج الاختبارات تحسينات كبيرة في الدقة الإدراكية باستخدام SRGAN مقارنةً بأفضل الأدوات الحالية في هذا المجال. تم تدريب النموذج باستخدام مجموعة بيانات كبيرة وتم تقييمه باستخدام اختبارات وسطي الآراء التي أظهرت أن الصور الناتجة أقرب إلى الصور عالية الدقة من حيث الجودة.
قراءة نقدية
تعتبر هذه الورقة البحثية خطوة مهمة في مجال رفع دقة الصور باستخدام الشبكات العصبونية الخصومية، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، قد يكون من المفيد تقديم مقارنة أكثر تفصيلية بين SRGAN والنماذج الأخرى من حيث الأداء والوقت المستغرق في التدريب. ثانياً، يمكن تحسين الشرح المتعلق ببنية الشبكة وتابع الخطأ الإدراكي لتكون أكثر وضوحاً للقارئ. ثالثاً، يمكن توسيع نطاق التجارب لتشمل تطبيقات عملية أخرى مثل تحسين جودة الصور في الوقت الحقيقي. على الرغم من هذه النقاط، فإن البحث يقدم مساهمة قيمة في تحسين جودة الصور باستخدام تقنيات الذكاء الاصطناعي.
أسئلة حول البحث
  1. ما هي المشكلة الأساسية التي تعاني منها الشبكات العصبونية الالتفافية في رفع دقة الصور؟

    المشكلة الأساسية هي استرجاع التفاصيل الدقيقة لمكونات الصورة عند استخدام عوامل تكبير كبيرة.

  2. ما هو الهدف الرئيسي من استخدام تابع الخطأ الإدراكي في SRGAN؟

    الهدف هو تحسين جودة الصور الناتجة باستخدام تابع خطأ يعتمد على التشابه الإدراكي بدلاً من التشابه على مستوى البيكسل.

  3. ما هي التطبيقات العملية التي يمكن أن تستفيد من تحسين دقة الصور باستخدام SRGAN؟

    التطبيقات تشمل تحسين جودة الفيديوهات القديمة، فيديوهات المراقبة، التشخيص الطبي، وصور الأقمار الصناعية.

  4. كيف تم تقييم أداء نموذج SRGAN في هذه الورقة البحثية؟

    تم تقييم الأداء باستخدام اختبارات وسطي الآراء التي أظهرت أن الصور الناتجة أقرب إلى الصور عالية الدقة من حيث الجودة.


المراجع المستخدمة
[2016]Image super-resolution: The techniques, applications, and future Linwei Yue a , Huanfeng Shen b,c,n , Jie Li a , Qiangqiang Yuan c,d , Hongyan Zhang a,c , Liangpei Zhang a,c,n
قيم البحث

اقرأ أيضاً

إن نمذجة العلاقة بين عكارة مياه الشرب في محطة تنقية مياه الشرب في السن، و بقية بارامترات جودة المياه باستخدام أسلوب الشبكات العصبونية الصنعية الديناميكية يساعد على تحقيق الاستقرار في أداء محطة تنقية مياه الشرب، حيث توفر هذه الشبكات أداةً فعالة للتعام ل مع الطبيعة المعقدة، و الديناميكية، و غير الخطية لعمليات التنقية، و لديها القدرة على الاستجابة للتغيرات الآنية المختلفة للبارامترات المؤثرة في تنقية المياه. صمم في هذا البحث أربعة نماذج للشبكات العصبونية الديناميكية ذات التغذية الأمامية و الانتشار العكسي للخطأ للتنبؤ بعكارة المياه المرشحة الخارجة من محطة تنقية مياه الشرب في السن، بالاعتماد على بارامترات عكارة و ناقلية و pH المياه الخام الداخلة إلى المحطة، بينما استخدمت بيانات عكارة المياه الخارجة من المحطة للتحقق من دقة أداء الشبكة العصبونية الصنعية، حيث أثبتت نتائج الدراسة قدرة الشبكات العصبونية الصنعية الديناميكية في نمذجة و محاكاة السلوك غير الخطي للعكارة و التنبؤ بقيمها، و هو ما يدعم استخدامها في محطة تنقية مياه الشرب في السن للمساهمة في تحقيق الاستقرار في عمل المحطة.
المعجمات المعجمية ونماذج التنبؤ هي مكون رئيسي في العديد من أنظمة التوليف والتعرف على الكلام. نحن نعلم أن الكلمات ذات الصلة المورفولوجية تتبع عادة نمط ثابت من النطق والذين يمكن وصفها بالنماذج الخاصة باللغة. في هذا العمل، نستكشف مدى استخدام الشبكات الع صبية المتكررة العميقة لتعلم هذا النمط تلقائيا واستغلال هذا النمط لتحسين جودة تنبؤ الكلمات ذات الصلة من خلال انعطاف مورفولوجي. نقترح مقارنتين جديدة لتزويد المعلومات المورفولوجية، باستخدام الطبقة المورفولوجية للكلمة وليمما، والتي يتم تفوحها عادة في المعجم القياسي. نبلغ عن التحسينات عبر عدد من اللغات الأوروبية بدرجات متفاوتة من التعقيد الصوتي والمورفولوجي، وعائلتين لغتان، مع تحسينات أكبر لغات حيث تكون مهمة تنبؤ النطق بطبيعتها أكثر تحديا. ونحن نلاحظ أيضا أن الجمع بين شبكات LSTM ثنائية الاتجاه مع آليات الاهتمام هي نهج عصبي فعال للمشكلة الحسابية التي نظرت، عبر اللغات. يبدو أن نهجنا مفيدا بشكل خاص في إعداد الموارد المنخفض، سواء من تلقاء نفسها وبتعلم التحويل.
تم تجاهل المعلومات النحوية والدلية الخارجية إلى حد كبير من قبل نماذج حل النواة العصبية الحالية.في هذه الورقة، نقدم نموذجا مقرا له من الرسوم البيانية غير متجانسة لإدماج الهياكل النحوية والدلالية للجمل.يحتوي الرسم البياني المقترح على رسم بياني فرعي سنو ي حيث يتم توصيل الرموز الرائعة بناء على شجرة التبعية، ورسم إلكتروني فرعي دلالي يحتوي على حجج ويستند كمستلزمات دورا دالايا كحواف.من خلال تطبيق شبكة انتباه الرسوم البيانية، يمكننا الحصول على تمثيل كلمة معدنية من الناحية النحوية وغير المعزز، والتي يمكن دمجها باستخدام طبقة تكامل اليقظة وآلية Gating.تجارب في OnTonotes 5.0 معيار المعيار إظهار فعالية نموذجنا المقترح.
يتناول البحث نمذجة شبكة عصبونية صنعية متعددة الطبقات ذات تغذية أمامية مدربة باستخدام خوارزمية الانحدار التدريجي للخطأ ذات معامل الزخم و معدل التعلم المتغير، و ذلك لتقدير خرج الشبكة العصبونية الموافق لنسبة التشغيل الأمثل لمبدل رافع الجهد المستمر اعتما داً على استخدام قياسات تغيرات كل من درجة حرارة الخلية الشمسية و شدة الإشعاع الشمسي، لتتبع نقطة الاستطاعة العظمى MPP لنظم الطاقة الشمسية الكهروضوئية. بالتالي يعتبر المتحكم DMPPT-ANN (Developed MPPT-ANN) المقترح في البحث، مستقل في عمله عن استخدام القياسات الكهربائية لخرج نظام PV لتحديد نسبة التشغيل، و دون الحاجة لاستخدام متحكم تناسبي-تكاملي PI) (Proportional Integral للتحكم في دورة عمل مبدل الجهد، و هذا من شأنه تحسين الأداء الديناميكي للمتحكم المقترح بتحديد نسبة التشغيل بدقة و سرعة فائقة. في هذا السياق، يناقش البحث الاختيار الأمثل لهيكلية الشبكة المقترحة من حيث تحديد العدد الأمثل للطبقات الخفية و العدد الأمثل للعصبونات الموجودة فيها، بتقييم قيم متوسط مربع الخطأ و معامل الارتباط الناتجة بعد كل عملية تدريب للشبكة العصبونية. بعد ذلك يعتمد نموذج الشبكة النهائي الذي يمتلك الهيكلية الأمثل، ليشكل المتحكم المتقرح في البحث DMPPT-ANN لتتبع نقطة MPP لنظام.PV أظهرت نتائج المحاكاة المنجزة في بيئة Matlab/Simulink، الأداء الأفضل للمتحكم DMPPT-ANN المقترح المرتكز على نموذج الشبكة العصبونية MLFFNN، و ذلك بدقة تقدير نسبة التشغيل و بتحسين سرعة استجابة نظام PV في الوصول لنقطة MPP، بالإضافة إلى التخلص بشكل نهائي من التذبذبات الناتجة في الحالة المستقرة في منحني استجابة استطاعة خرج نظام PV مقارنة مع استخدام عدد من المتحكمات المرجعية المستخدمة: متحكم تتبع متقدم MPPT-ANN-PI مرتكز على شبكة عصبونية ANN لتقدير توتر نقطة MPP مع متحكم PI تقليدي، متحكم عائم MPPT-FLC ومتحكم تتبع تقليدي MPPT-INC يستخدم تقنية زيادة الناقلية INC
جرى تصميم منظومة عصبونية ذكية تعمل بمساعدة نظام خبير لبيان نحو و إعراب اللغة العربية. و جرت دراسة و تحليل أشكال الجمل العربية و أنواعها، و صنفت في حقول نحوية جديدة. يتكون كل حقل من العناصر الأساسية للجملة، من فعل و فاعل و مبتدأ و سواها. جرى إحصاء جميع الأشكال التي ترد عليها الجملة العربية، وُ فصلت في حقول فعلية و اسمية. جرى تصميم شبكة عصبونية تأخذ في مداخلها عناصر الجملة و تعطي في مخارجها الحقل النحوي المناسب.
التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا