علاقه مندان به حوزه یادگیری عمیق با پایتون می توانند به آدرس kambiz.tabatabaei@gmail.com پیام خود را ارسال فرمایند.
باتوجه به محبوبیت و استفاده روزافزون از وسایل دیجیتال در زندگی روزمره بشر و همچنین گسترش به اشتراکگذاری تصاویر در شبکههای اجتماعی همچون فیسبوک، فلیکر، اینستاگرام و غیره و همچنین بارگذاری فیلمهای مختلف در این شبکهها، استفاده از تصاویر دیجیتال مخصوصا در دهه اخیر رشد قابل توجهی داشتهاست که در میان این تصاویر، درصد بالایی مربوط به تصاویر چهره انسان است و در مواردی از قبیل پایش تصویر برخط، تعامل انسان و ماشین، ردیابی شخص در ویدئو، بازیابی تصویر چهره افراد مجرم، کنترل تردد کارکنان سازمان و تفکیک دوست از دشمن در پایگاههای نظامی(از قبیل نیروی دریایی و ...)کاربردهای فراوانی دارد. بنابراین دقت و سرعت بازیابی در این مسئله حائز اهمیت است. در این مقاله دو روش برپایه الگوی دودوئی محلی ارائه شده است که در نهایت با تشخیص لبه ترکیب میشود. برای افزایش سرعت روش ترکیبی پیشنهادی بصورت موازی در محیط C++ CUDA اجرا شده است. در این مقاله میزان دقت و سرعت بر روی مجموعه دادههای مختلف ارزیابی شد و بطور متوسط زمان پردازش در GPU تاحدود ۱۹ برابر در مجموعه دادهی با ۱۰۲۴ عکس در مقایسه با CPU کاهش یافت. نتیجه حاکی از این تحقیق بدین صورت بود که هرچه حجم مجموعه داده بزرگتر شود تاثیر موازیسازی بهتر است. بنابراین متغیرهایی که برای این مسئله ذکر میشود عبارتند از:۱- دقت کار ۲- زمان اجرا ۳-مقیاس پذیر بودن سیستم
ادامه مطلب ...