خوشه‌بندي عميق تصاوير با رويكرد يادگيري گروهي و ويژگي ‌هاي چندگانه شبكه‌هاي عصبي عميق

يادگيري عميق ابزار قدرتمندي در خوشه‌بندي تصاوير پيچيده و حجيم است. اغلب روش‌هاي خوشه‌بندي عميق عمل دسته‌بندي تصاوير را بر اساس بردارهاي بازنمايي حاصل از آموزش يك شبكه عصبي عميق انجام مي‌دهند به طوريكه ويژگي‌هاي مستخرج از لايه آخر شبكه مورد ارزيابي نهايي عمل خوشه‌بندي قرار مي‌گيرد. بهره‌مندي از ويژگي‌هاي معنايي متفاوت حاصل از چندين شبكه‌ عميق مي‌تواند نقش مؤثري در بهبود كارايي نتايج خوشه‌بندي حاصل ايفا كند كه تاكنون تحقيقات كمي در اين زمينه صورت گرفته است. ما در اين مقاله رويكردي مبتني بر خوشه‌بندي عميق گروهي ارائه مي‌كنيم كه در آن با پيوند دادن روش‌هاي خوشه‌بندي عميق و يادگيري گروهي، سعي در استفاده از مزاياي شبكه‌هاي عصبي عميق در كنار يكديگر داريم. در اين راستا ابتدا پنج مدل مختلف خودرمزگذار عميق با لايه‌هاي كانولوشني متعدد آموزش داده مي‌شوند كه در هر يك از آنها از رويكرد يادگيري انتقالي نيز جهت افزايش دقت و بهبود عملكرد استفاده مي‌شود. پس از استخراج ويژگي‌هاي چندگانه تصاوير توسط مدل‌هاي مختلف عميق، بازنمايي‌هاي حاصل خوشه‌بندي شده و طبق رويكرد يادگيري گروهي نتايج آنها با يكديگر تجميع مي‌شود. نهايتاً دسته‌بندي نهايي تصاوير بر اساس اطلاعات مشترك خوشه‌بندي‌هاي پايه صورت مي‌گيرد. نتايج حاصل از اعمال روش پيشنهادي بر روي چهار مجموعه داده استاندارد، نشان دهنده كارايي بهتر و مؤثرتر روش پيشنهادي نسبت به رويكردهاي اخير خوشه‌بندي عميق تصاوير است.