رضا محمدی مقدم - دانشکده فنی و مهندسی
دانشکده فنی و مهندسی
گروه آموزشی مهندسی کامپیوتر
طلاعیه دفاع از پایان نامه کارشناسی ارشد در رشته مهندسی کامپیوتر گرایش هوش مصنوعی
عنوان:
دستهبندی چند برچسبه تصاویر ماهوارهای با استفاده از روشهای یادگیری عمیق
اساتید راهنما:
جناب آقای دکتر حسن ختنلو
جناب آقای دکتر یوسف رضایی
اساتید ممتحن:
جناب آقای دکتر میرحسین دزفولیان
جناب آقای دکتر محرم منصوری زاده
پژوهشگر:
رضا محمدی مقدم
زمان:
دوشنبه 1/11/1397 ساعت 15
مکان:
سمینار 2 دپارتمان برق (سالن مرحوم مهندس خانمحمدی)
Bu-Ali Sina University
Faculty of Engineering
Department of Computer Engineering
Thesis submitted for Master of Science in computer Engineering-Artificial Intelligence
Title:
Multi-label Satellite Image Classification Using Deep Learning Approaches
Supervisor:
Dr.Hassan Khotanlou
Dr.Yousef Rezayi
Judges:
Dr.Mir Hossein Dezfoulian
Dr.Muharram Mansoorizadeh
Author:
Reza Mohammadi Moqaddam
January 21, 2019
با گسترش روز افزون رسانههای تصویربرداری هوایی و در نتیجه دادههای ماهوارهای، نیاز به الگوریتمهایی کارا برای بررسی این تصاویر بیشتر احساس میشود. تصاویر ماهوارهای در زمینههای مختلفی مورد استفاده قرار میگیرند. یک نمونه از این حوزهها، نظارت و حراست از محیط زیست است. از طرفی روشهای مبتنی بر یادگیری عمیق در حوزههای مختلف، عملکرد مطلوبی را ازخود به نمایش گذاشتهاند. دستهبندی تک برچسبه به فرآیند اختصاص یک برچسب از میان دستههای موجود به یک نمونه گفته میشود. دستهبندی تک برچسبه از دیرباز مورد توجه محققان بوده است و نتایج مطلوبی در این حوزه حاصل شدهاست. دستهبندی چند برچسبه از سوی دیگر، به فرآیند اختصاص چند برچسب (Y) به یک نمونه موجود گفته میشود. فضای ممکن برای تمام حالات دستهها در دستهبندی چندبرچسبه از ترکیب تمام دستهها () حاصل میشود. این فضا بسیار بزرگ است و پیچیدگی مسئله را بسیار زیاد میکند در این پژوهش، روشی کارآمد مبتنی بر یادگیری عمیق برای طبقهبندی چند برچسبه تصاویر ماهوارهای ارائه شده است. روش پیشنهادی از چند بخش تشکیل شده است. بخش اول شامل پیش پردازش تصاویر است. در بخش دوم شبکهای ترکیبی با استفاده از اجزاء شبکههای عصبی پیچشی ارائه شده است. شبکه پیشنهادی، از دوشبکه معروف در حوزه دستهبندی تک برچسبه تصاویر به نامهای VGG19 و Densenet استفاده میکند. به جهت پردازش ویژگیهای خام استخراجشده، شبکهای با استفاده از ساختار شبکه در شبکه طراحی شده است. در انتها از یک روش پسپردازش برای تعیین آستانه برچسبزنی استفاده شده است. همچنین روش پیشنهادی، بر روی دو مجموعه داده با دو حوزه مجزا آزموده شد. مجموعه داده اول، مجموعه داده آمازون تحت عنوان: Planet: Understanding the Amazon from Space با محتوای تصاویر ماهوارهای است. مجموعه داده دوم، مجموعه داده PASCAL Visual Object Classes (VOC) با محتوای اشیاء واقعی است. ارزیابیهای کمی و کیفی صورت گرفته بر روی این مجموعه دادهها عملکرد مطلوب روش پیشنهادی را برای دستهبندی چندبرچسبه تصاویر نشان میدهد.
Satellite images have wide applications in various subjects including environment protections. On the other hand deep learning approaches have shown significant performance in various domains including image classification, natural language processing and signal processing. Multi-label image classification aims to predict multiple labels for a single image which consists of diverse contents. The main challenge in Multi-label classification task to achieve a decent performance is the lack of enough training data. Convolutional Neural Networks (CNN) has shown satisfying results in single-label image classification but multi-label image classification is still an open field of research. In this paper an efficient hybrid method for multi-label image classification is proposed. The proposed method has three major parts including Pre-processing unit, Proposed Network and Post processing unit. The proposed Network consists of multiple sub-networks, these parts have been optimized to improve extracted features and classify instances. We examined our proposed hybrid method on two datasets on different domains. The experimental results obtained in this study demonstrate the plausible performance of the proposed method on "Pascal VOC 2012" and "Kaggle: Understanding the Amazon from space challenge" datasets.
رزومه |
رضا محمدی مقدم تلفن تماس: [09151173065] ایمیل : [ r.mohammadimoqaddam@eng.basu.ac.ir] ایمیل : [ reza.mohammadi.moqaddam@gmail.com ] متولد : [26/3/1372] - [ مشهد ] وضعیت تاهل : [ مجرد ] |
سوابق تحصیلی |
|
دیپلم [ریاضی فیزیک] – دبیرستان [دبیرستان نمونه دولتی آیت الله خامنهای] کارشناسی [مهندسی کامپیوتر – نرم افزار] – دانشگاه [دانشگاه بیرجند] · معدل کارشناسی ]16.56[
کارشناسی ارشد [مهندسی کامپیوتر – هوش مصنوعی] – دانشگاه [دانشگاه بو علی سینا همدان] · معدل کارشناسی ارشد ]18.38[ · موضوع پایاننامه [ دسته بندی چند برچسبه تصاویر ماهواره ای با استفاده از روش های یادگیری عمیق ] [ تحت راهنمایی دکتر حسن ختنلو ]
|
|
سوابق حرفه ای |
|
[برنامهنویس وب] – [شرکت طراحی وب نارنج] - [مشهد]
[برنامهنویس .Net] – [شرکت اکسیر رایانه صبا] - [مشهد]
[فریلنسر در زمینه هوش مصنوعی]
[شرکت در مسابقات هوش مصنوعی پلتفرم kaggle]
|
|
مهارتها |
هوش مصنوعی
طراحی و توسعه وب سایت
زبانهای خارجی
|