طاهره رسائی
طاهره رسائی
دانشکده مهندسی
گروه مهندسی کامپیوتر
اطلاعیه دفاع از طرح پیشنهادی پایاننامه کارشناسی ارشد در رشته مهندسی کامپیوتر
عنوان:
ارائه یک الگوریتم تطبیق دامنه برای تصاویر نویزدار
اساتید ممتحن:
جناب آقای دکتر حسن ختنلو
جناب آقای دکتر مهدی عباسی
استاد راهنما:
جناب آقای دکتر میرحسین دزفولیان
استاد مشاور:
جناب آقای دکتر محرم منصوری زاده
پژوهشگر:
طاهره رسائی
تاریخ دفاع:
چهارشنبه 22/09/1396 ساعت 10
مکان:
سالن آمفی تئاتر
BU- Ali sina Univercity
Faculty of Technical and Engineering
Department of Computer
Thesis submitted for Master of Science in Computer Engineering-Artificial intelligence
Title
A new domain adaptation algorithm for noisy images
Supervisor:
Mir Hossein Dezfulian (Ph. D)
Advisor:
Moharram Mansoori zadeh (Ph. D)
By:
Tahereh Rasaei
چكيده:
هدف از انجام این پژوهش ارائه یک الگوریتم تطبیق دامنه است که بتواند با استفاده از تصاویر بدون نویز، تصاویر دارای نویز را طبقهبندی کند. همچنین این روش نسبت به روشهای موجود از کارایی بالاتری برخوردار باشد. فرض شده است که استفاده از روش تطبیق دامنه در طبقهبندی تصاویر دارای نویز بهصورت مؤثر عمل میکند.
در این پژوهش در ابتدا سعی شد تا از روش تطبیق دامنه برای حذف نویزهای تصویر استفاده شود . بدین ترتیب که با استفاده از تکههای کمی از تصویر دارای نویز دیکشنری را آموزش داده و از آن برای بازسازی کل تصویر استفاده میکند. اما در این روش به دلیل از بین رفتن جزئیات تصویر درروند عملیات حذف نویز نتیجه مطلوبی حاصل نشد. در روشی دیگر تصاویر دارای نویز و بدون نویز با استفاده از sparse و low-rank به فضای جدیدی نگاشت شدند. یک دیکشنری مشترک بر اساس این فضای نهان ایجاد شد و در یکروند تکرار این دیکشنری و فضای نهان بهینهسازی گشتند. از دیکشنری مشترک بهینه و فضای جدید برای آموزش طبقه بند استفاده شد. اما این روش در هنگام بهینهسازی برای ابعاد بزرگ به مشکل برخورد.
با توجه به موفقیتهایی که شبکههای عمیق در سالهای اخیر به دست آوردهاند از روش مبتنی بر شبکههای عمیق برای طبقهبندی تصاویر دارای نویز استفاده شد. در این روش برخلاف روش قبلی دادهها را به فضایی جدید نگاشت نمیکند بلکه تنها به دنبال ویژگیهایی است که هم خاصیت جداکنندگی داشته و هم نسبت به تغییرات دامنه ثابت هستند. این روش از سه بخش استخراجکننده ویژگی، پیشبینی کننده برچسب و طبقهبند دامنه تشکیلشده است. بخش استخراجکننده ویژگی برای یافتن ویژگیهایی که خاصیت جداکنندگی دارند به دنبال افزایش کارایی بخش پیشبینی کننده برچسب است و از طرف دیگر برای استخراج ویژگیهایی که نسبت به تغییرات دامنه ثابت هستند به دنبال کاهش کارایی بخش طبقه بند دامنه است. زمانی که بخش طبقه بند قادر به تشخیص دامنهها نباشد ویژگیها نسبت به تغییرات دامنه ثابت هستند. این روش در یک معماری یکپارچه با استفاده از شبکه کانولوشن پیادهسازی شده است و در این پژوهش نشان دادهشده است که این روش نسبت به روشهای موجود از کارایی بالاتری برخوردار است.
نتایج پیادهسازیهای انجامشده بیانگر آن است که روش پیشنهادی نسبت به روشهای متداول طبقهبندی تصاویر دارای نویز از عملکرد مطلوبی برخوردار است. همچنین نسبت به روشهای اخیر مبتنی بر شبکه عصبی نیز بهبود قابلتوجهی ایجادشده است.
واژههای کلیدی: تطبیق دامنه، شبکههای عمیق، شبکههای کانولوشن، کدگذاری تنک، طبقه بند تصاویر نویزی
Abstract:
The purpose of this research is to provide a domain adaptation algorithm that can categorize noisy images using no-noise images. This method is also more effective than existing methods. It is assumed that the use of the domain adaptation approach performance effectively in the classification of noise images.
In this research, we first tried to apply domain adaptation to denoising of image. Thus, By using a few patches of image the learning dictionary and used this dictionary for reconstruction of entire image. But this method did not achieve the desired result due to the loss of image details in the noise removal operation. In another way, noise-free and noisy images were mapped to new spaces using sparse and low-rank. A common dictionary was created based on this hidden space and was optimized in the same way as the dictionaries and the hidden space. An optimized joint dictionary and new space for learning classification were used. But this method encounters a problem when optimizing for large dimensions.
Due to the success of deep networks in recent years, a deep-network based method was used to classify noisy images. Unlike the previous method, this method does not map data into a new space, but only seeks for features that have both separation property and domain-invariance. This method consists of three attribute extraction, predictive labels, and domain classifications. The feature extraction section seeks to increase the efficiency of the predictive label segment to find the attributes that have separation properties, and on the other hand, to extract the features that are constant for domain changes, they seek to reduce the efficiency of the domain classification. When thione. If domain classification is not able to detect domains, features are domain-invariance. This method has been implemented in an integrated architecture using convolutional network, and it has been shown in this study that this method has more efficiency than existing methods.
The Implementation results are done indicate that the proposed method has a good performance compared to the conventional methods for classification of noisy images. Significant improvements have also been made to recent neural network techniques.
Key words Domain adaptation, Deep networks, Convolutional networks, sparse coding, Noisy image classification
مشخصات فردی: طاهره رسائی
تاریخ تولد:1/11/1367
تحصیلات
کارشناسی مهندسی نرمافزار-غیرانتفاعی توران دامغان 1391
کارشناسی ارشد هوش مصنوعی-دانشگاه بوعلی سینا1396
تماس با من
پست الکترونیک: taherehrasaei@yahoo.com
آدرس: همدان
مهارتها و تواناییها
زبانهای برنامهنویسی:C# و پایتون
به اطلاع متقاضیان دکترای سال تحصیلی 1404-1403 رشته های مهندسی (مکانیک - کامپیوتر - برق - مواد - عمران - صنایع) دانشگاه بوعلی سینا می رساند، فهرست اساتید پذیرنده دانشکده مهندسی...
به اطلاع می رساند یک شرکت دانش بنیان در اصفهان نیازمند خدمات تحقیقاتی دانش آموختگان رشته های مواد و شیمی بوده و استخدام می کند. علاقمندان جهت کسب اطلاعات بیشتر و هماهنگی با شماره 03133879868 در...
به گزارش بسنا، مراسم افتتاحیه این پروژه با حضور محمدعلی زلفیگل وزیر علوم، تحقیقات و فناوری و دکتر علیرضا قاسمیفرزاد استاندار همدان، معاونان وزارتخانههای علوم و مسئولان استانی و ریاست...
دفتر هدایت استعدادهای درخشان دانشگاه بوعلیسینا فهرست اسامی دانشجویان برگزیده آموزشی پژوهشی پانزدهمین همایش سالانه دفتر هدایت استعدادهای درخشان سال ۱۴۰۲ را منتشر کرد. اسامی دانشجویان...
بهراد توتونچی دبیر انجمن علمی دانشجویی مهندسی عمران دانشگاه بوعلی سینا، در جلسه ای با حضور نمایندگان دانشگاه های سراسر کشور، با کسب اکثریت آرا انتخابات، به عنوان دبیر...
در هشتمین نشست از دوره یازدهم هیأت ممیزه دانشگاه بوعلیسینا، آقای دکتر علیرضا حاتمی دارای مدرک دکتری در رشته مهندسی برق با ر أ ی اعضاء از مرتبه...
بدینوسیله انتخاب آقای دکتر آرش فتاح الحسینی را به عنوان پژوهشگر برگزیده دانشگاه در گروه فنی و مهندسی به ایشان و خانواده علمی دانشکده مهندسی تبریک عرض نموده و از خداوند متعال...
بدینوسیله انتخاب دو تن از دانشجویان دانشکده مهندسی مهندس راضیه چهارمحالی در مقطع دکتری رشته مهندسی مواد شاخه خوردگی و مهندسی سطح و مهندس امین نظری در مقطع...
بدینوسیله انتخاب سه عضو هیات علمی دانشکده مهندسی جناب آقایان دکتر جواد بهنامیان ، دکتر حسن علم خواه و دکتر محسن گودرزی در...
براساس اطلاعات پایگاه شاخصهای اساسی علم (ESI)، حضوردکتر محمد حسن مرادی از گروه مهندسی برق دانشکده مهندسی در زمره پژوهشگران پراستناد یک درصد برتر دنیا استمرار پیدا کرد. ...
بدینوسیله انتخاب اعضا محترم هیات علمی سرکار خانم دکتر سموئی (گروه مهندسی صنایع)، جناب آقایان دکتر بابائی (گروه مهندسی عمران)، دکتر حاتمی (گروه مهندسی برق)، دکتر ختن لو (گروه مهندسی...
بدینوسیله انتخاب چهار عضو هیات علمی دانشکده مهندسی جناب آقای دکتر جواد بهنامیان از گروه مهندسی صنایع به عنوان پژوهشگر اول برگزیده، جناب آقای دکتر حسن علم خواه از گروه...
به گزارش بسنا و به نقل از سازمان سنجش، آزمون مرحله نهایی بیست و هشتمین دوره المپیاد علمی دانشجویی کشور با حضور نفرات برگزیده آزمون کارشناسی ارشد (متمرکز) و آزمون غیرمتمرکز المپیاد در دانشگاههای...
به اطلاع دانشجویان محترم می رساند سایت کامپیوتر کارشناسی دانشکده مهندسی به دلیل انجام ثبت نام دانشجویان کارشناسی ورودی 1402 از شنبه 1402/7/22 به مدت یک هفته تعطیل می باشد.
به گزارش بسنا و به نقل از معاونت علمی فناوری ریاست جمهوری، در هشتمین دوره تجلیل از سرآمدان علمی کشور در سال ۱۴۰۲ که با حضور معاون علمی و فناوری و اقتصاد دانشبنیان رئیسجمهور و وزیر علوم...
به اطلاع دانشجویان ورودی جدید تحصیلات تکمیلی (ارشد و دکترا) می رساند، یکشنبه 23 مهر ساعت 11 الی 13 در محل آمفی تئاتر دانشکده مهندسی جلسه معارفه با هیات رییسه دانشکده برگزار می شود. ...
بر اساس اطلاعات جدید نمایه استنادی معتبر scopus ۲۰۲۳، با بررسی مقالات مربوط به ۲۰۲۲، 4 عضو هیات علمی و 1 دانش آموخته دانشکده مهندسی و با بررسی کل مقالات مربوط به سال های مختلف، 1 نفر از اعضای هیات...
نظر به مراتب تعهد، تخصص و تجارب ارزشمند جناب آقای دکتر حسن علم خواه و بنا به پیشنهاد رئیس دانشکده مهندسی، به موجب ابلاغی ایشان با حفظ سمت آموزشی به مدت 2 سال به عنوان...
در حکمی از طرف ریاست دانشگاه آقای دکتر امیرسامان خیرخواه به عنوان مدیر گروه رشته مهندسی صنایع منصوب گردید. در این حکم آمده است : « با احترام و آرزوی توفیق الهی، نظر به مراتب تعهد و تجارب...
در حکمی از طرف ریاست دانشگاه آقای دکتر صالح رازینی به عنوان مدیر گروه رشته مهندسی برق منصوب گردید. در این حکم آمده است : « با احترام و آرزوی توفیق الهی، نظر به مراتب تعهد و تجارب ارزنده...