تقييم أداء طريقة التجزئة الدلالية القائمة على البكسل والكتل باستخدام نماذج مختلفة للشبكات العصبية الاصطناعية

الباحث

ريا أكرم حمدي

المشرف

محمد جاجان يونس

الجامعة

جامعة الموصل

الكلية / القسم

كلية علوم الحاسوب والرياضيات / علوم الحاسوب

الشهادة

ماجستير

السنة

2023

لغة الرسالة

انكليزي

الكلمات المفتاحية

Semantic Segmentation ; Artificial Neural Networks ; Pixel-based Segmentation ; Performance Evaluation

يُعد التقسيم الدلالي (التجزئة الدلالية) ذو مكانة بالغة الأهمية في مجال التعلم الآلي، إذ يتم في التقسيم الدلالي للبكسل الواحد تصنيف كل بكسل كوحدة واحدة (5*5) في الصورة لوصف محتوى ذلك البكسل. وعلى الرغم من أن تقنية تجزئة كل بكسل على حدا تنتج نتائج عالية الجودة، إلا أن عملية التدريب والتقييم في التجزئة الدلالية قد تستغرق Gay طويلاً. وللتغلب على هذه المشكلة، بسطت هذه الدراسة عملية التجزئة الدلالية من خلال تجزئة الصورة الى أجزاء أصغر تسمى الكتلة، ثم تم استخراج الميزات أو الخصائص الرئيسية وتدريب النموذج على تلك الميزات باستخدام خصائص الالوان والقوام لتلك الاجزاء . دربت العديد من الصور وأختبرت باستخدام طريقة تصنيف كل بكسل على حدا وطريقة التجزئة المقترحة القائمة على ALS من خلال الخوارزمية المقترحة. وقد أوضحت النتائج أن تقنية التجزئة المقترحة، هي الأسرع والأكثر دقة من طربقة التصنيف التقليدية لكل بكسل على حدا. استخدمت هذه الدراسة قاعدة بيانات ‘Oxford-IIIT Pet وأختير: ت ثلاثين صورة للقطط من مجموعة البيانات هذه. دُريت وقيمت خمسة نماذج مختلفة للشبكات العصبية الاصطناعية لكل من الأسلويين القائمين على البكسل وعلى الكتلة: نموذج الانتشار العكسي لفنبرك ماركورت، نموذج برويدن فليجر كولدفرب شانوء نموذج الانتشار الخلفي المرن، نموذج الانتشار الخلفي المتدرج المتقارب ونموذج الانتشار الرجعي لمعدل التعلم المتغير. أظهرت النتائج أن الدقة المستندة إلى البكسل تتراوح من £70.82 إلى 176.47 ، بينما تتراوح الدقة القائمة على الكتلة من 82.94/ إلى 185.83 وهذا يوضح أن دقة جميع النماذج تتحسن في النهج القائم على الكتلة مقارنة بالنهج القائم على البكسل. ويُلاحظ ايضاً أن وقت المعالجة للنهج المستند إلى البكسل يستغرق وقت أطول من الأسلوب المستند إلى الكتلة، إذ يستغرق نموذج الانتشار الخلفي المرن للنهج القائم على البكسل 242.39 AS بينما يستغرق نموذج الانتشار الرجعي لمعدل التعلم المتغير أقصر وقت معالجة أي 49.89 ثانية. أما بالنسبة للنهج القائم على الكتلة، فيستغرق نموذج الانتشار العكسي لفنبرك ماركورت أطول وقت معالجة 13.86 ASE في حين لا يزال نموذج الانتشار الرجعي لمعدل التعلم المتغير أقصر وقت معالجة كما هو الحال في نهج البكسل 5.98 ثانية. ull تعد الطرائق القائمة على الكتلة أكثر كفاءة فيما يتعلق بالوقت والدقة لنماذج التصنيف. وقد od وقورن أداء نماذج الشبكة العصبية الخمسة المستخدمة في هذه الدراسة على عينة تتكون من ثلاث صور اختبار كمدخلات للنماذج المدرية مسبقاً والتي فَسَمت كائن القط وخلفية الصورة. وقد Crd دقة وفعالية طريقة التجزئة الدلالية من خلال مقارنة الصور المتوقعة الناتجة عن النماذج المدرية مع صور الحقيقة الأرضية. وقد أوضحت النتائج أن دقة نموذج LM هي الأعلى لصور الاختبار الثلاثة 94.72/ و 784.92 و 189.81 لصور الاختبار 1 و 2 و 3 على التوالي. أما نموذج الانتشار الرجعي لمعدل التعلم المتغير فقد أعطى أقل دقة حيث بلغت 92.96/ و 766.9 و 81.15/ لصور الاختبار 1 و 2 و 3 على التوالي. وبالنسبة للنماذج المتبقية فقد أعطت مستويات متوسطة من الدقة. تم في هذه الرسالة استخدام نظام التشغيل10 Windows 64 :2، مع معالج Corei7 Intel(R) (2.20 جيجا هرتز) مع 16 جيجابايت من ذاكرة الوصول العشوائي. تم تحقيق التصنيف باستخدام الأدوات المتوفرة في صندوق تعلم AY! الذي توفره لفة الماتلاب الاصدارة 20210 المستخدمة في هذه الدراسة.

Semantic segmentation is a crucial task in the machine learning domain that involves assigning a unique class label to each pixel in an image. While this pixel-by-pixel segmentation technique produces high-quality results, training and evaluating a semantic segmentation model can be a time-consuming process. To address this challenge, this study proposes a simplified version of semantic segmentation that involves block by block (5x5 Chunks) image fragmentation, feature extraction, and model training using specific color and textural features. To evaluate the proposed method, multiple images have been trained and tested using both pixel-by-pixel classification and the proposed block-based segmentation method. The results demonstrate that the proposed technique i.e., block-by-block segmentation is faster and more accurate than the traditional pixel-by-pixel classification method. This thesis has utilized the Oxford-IIIT Pet dataset, from which thirty images of cats have been selected. Five different Artificial Neural Network (ANN) models were evaluated and trained, i.e., Levenberg-Marquardt Back Propagation (LM model), Broyden Fletcher Goldfarb Shanno (BGFGS model), Resilient Back Propagation (RP model), Scaled Conjugate Gradient Back Propagation (SCG model), and Variable Learning Rate Back Propagation (GDX model) for both pixel-based and block-based methods. Pixel-based accuracy ranges from 70.82% to 76.47%, while block-based accuracy ranges from 82.94% to 85.83%. It is observed that the accuracy of all models improves in the block- based approach compared to the pixel-based approach. The processing time of each model for both pixel-based and block-based methods is also noted for both types. For the pixel-based approach, RP model takes the longest processing time i.e., 242.39 seconds, while GDX model takes the shortest processing time i.e., 49.89 seconds. For the block-based approach, LM model takes the longest processing time i.e., 13.86 seconds, while GDX still has the shortest processing time i.e., 5.98 seconds. Therefore, block-based methods can be seen as more efficient and accurate for classification models. An additional evaluation has been used to evaluate and compare the performance of the five models on three sample test images. These three images have been provided as an input to the trained models, which have segmented the cat object from the background. The accuracy and effectiveness of the segmentation method have been evaluated by comparing the predicted images generated by the trained models with the ground truth images. Results demonstrate that the accuracy of the LM model is the highest across all three test images, with 94.72%, 84.92%, and 89.81% for test images 1, 2, and 3, respectively. The GDX model has the lowest accuracy, with 92.96%, 66.9%, and 81.15% for test images 1, 2, and 3, respectively. The remaining models, RP, SCG, and BFG, have intermediate levels of accuracy. A 64-bit Windows 10 OS, with an Intel(R) Core i7 processor (2.20GHz) with 16GB of RAM was used for the experimentation. The classification was achieved by using the tools available in the Matlab R2021b Machine Learning Toolbox.

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب