طبقه‌بندی تصویر ImageNet Tiny

قیمت: 38,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

طبقه‌بندی تصویر ImageNet Tiny

عنوان لاتین

Tiny ImageNet Image Classification

در این تحقیق، من روی چگونگی تنظیم دقیق و مطابقت مدل‌های موجود با نام‌های InceptionV3 و VGGNet برای سنجش روی چالش Tiny ImageNet تحقیق می‌کنم. مدل دارای بهترین عملکرد از معماری VGG، استفاده از نرمال‌سازی بچ و تنظیم L-2 الهام گرفته‌است تا از بیش‌برازش جلوگیری شود. عملکرد شبکه با ارزیابی از دست‌دادن اعتبار و دقت قبل از اجرا بر روی مجموعه آزمایش آنالیز شد. این تحقیق با بحث در رابطه با این گه چگونه داده‌های تغییریافته الهام بخش تغییرات در معماری‌ها می‌شوند، خاتمه می‌یابد.

In this work, I investigate how fine-tuning and adapting existing models, namely InceptionV3[7] and VGGNet[3], for benchmarking on the Tiny ImageNet Challenge. The top performing model was inspired by VGG architecture, leveraging Batch Normalization [9] and L-2 regularization to avoid over-fitting. Network performance was analyzed by evaluating validation loss and accuracy prior to running on test set. The work concludes with a discussion of how the modified dataset inspired modifications to the architectures.