مروري بر شبكه عصبي پيچشي و معماري هاي مختلف آن

فاقد عنوان

شبكه عصبي پيچشي (CNN) يكي از روش‌هاي عميق يادگيري ماشين است كه با توجه به كارايي بالاي آن، امروزه استفاده از آن در استخراج ويژگي و دسته‌بندي تصاوير امر بسيار رايجي شده است. در اين مقاله براي آشنايي بيشتر پژوهشگران با اين حوزه و نوآوري‌هاي مرتبط با اين شبكه، ساختار اصلي اين شبكه و تعداد 10 معماري مهم و رايج آن مرور شده است. با مطالعه مقالات اصلي ارايه‌دهنده هر يك از معماري‌هاي شبكه پيچشي، نكات مهم و اصلي هر معماري كه موجب بهبود عملكرد آن نسبت به موارد پيشين خود شده، جمع‌آوري و بررسي شده است. علاوه بر آن، مقايسه دقت معماري‌هاي مختلف اين شبكه بخش ديگري از اين مقاله مروري است. با توجه به حجم بالاي مطالب در اين حوزه و رشد سريع آن، نياز به يك مرجع كه همه مطالب ارايه شده تاكنون را در كنار هم مرور كرده باشد، انگيزه نوشتن اين مقاله بوده است. مطالعه ساختارها و تكنيك‌هاي استفاده شده براي بهبود اين شبكه مي‌تواند به پژوهشگران در ايجاد ساختارهاي بهينه‌تر و دقيق‌تر كمك كند.

not abstract