آمار
| تعداد نشریات | 23 |
| تعداد شماره‌ها | 396 |
| تعداد مقالات | 3,130 |
| تعداد مشاهده مقاله | 2,859,273 |
| تعداد دریافت فایل اصل مقاله | 1,999,251 |
پیاده‌سازی یادگیری انتقالی در شناسایی 10 گونه از مارهای ایران | ||
| تنوع زیستی و رده بندی جانوران | ||
| دوره 2، شماره 2، اسفند 1403، صفحه 306-319 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22126/jbat.2025.10545.1042 | ||
| نویسنده | ||
| ایمان احمدی* | ||
| دانشیار مکانیک ماشینهای کشاورزی، گروه مهندسی تولید و ژنتیک گیاهی، دانشگاه آزاد اسلامی، واحد اصفهان | ||
| چکیده | ||
| در این پژوهش با روش یادگیری انتقالی که یکی از الگوریتمهای هوش مصنوعی در دسته‌بندی تصاویر است، مدلی توسعه داده شده است که توسط آن دسته‌بندی تصاویر مارهای غالب ایران در یکی از 10 دسته مورد نظر صورت گیرد. هدف این است که توانایی مدلِ برمبنای یادگیری انتقالی در پیش‌بینی گونه مار و شدت سمی بودن آن (در سه سطح سمی، نیمه سمی و غیر سمی) با استفاده از تعداد محدودی تصویر از مارهای ایران که شامل 174 تصویر بوده و به 112 تصویر آموزشی اولیه (1120 تصویر آموزشی نهایی با عمل افزایش نرمافزاری تعداد تصاویر) و 62 تصویر آزمونی تفکیک شدند، بررسی گردد. مدل از پیش آموزش دیده‌ای که روش یادگیری انتقالی مورد نظر در این پژوهش بر مبنای آن استوار است، مدل EfficientNet بوده و پس از آموزش، با محاسبه مقادیر معیارهای حساسیت، اختصاصیت، دقت، نمره F1 و صحت، کارایی مدلِ برمبنای یادگیری انتقالی ارزیابی شد. بر طبق نتایج به دست آمده، زمان آموزش مدل حدود 60 دقیقه و صحت مدل 76 درصد به‌دست آمد. از آنجا که مدل حاضر روی رایانه بدون GPU توسعه یافته است، کارکرد مدل توسعه یافته قابل قبول می‌باشد. | ||
| کلیدواژه‌ها | ||
| دسته‌بندی؛ ماتریس درهم ریختگی؛ مدل EfficientNet؛ یادگیری انتقالی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 5 |
||