مقاله مشترک محمدجواد شایگانفرد عضو هیئت علمی دانشکده هوش مصنوعی و کامپیوتر دانشگاه علم و فرهنگ و سپهر سماواتی دانشآموخته رشته کارشناسی ارشد مهندسی کامپیوتر ـ نرمافزار که برآمده از پایاننامه کارشناسی ارشد این دانشآموخته است، با عنوان «A lightweight transfer learning framework with dynamic data augmentation for few-shot remote sensing image classification» در مجله Geomatica از انتشارات Elsevier منتشر شد.
به گزارش دانشگاه علم و فرهنگ، این پژوهش به ارائه یک چارچوب سبک و کارآمد مبتنی بر هوش مصنوعی برای طبقهبندی تصاویر سنجش از دور در شرایط کمبود دادههای آموزشی میپردازد.
پژوهشگران در این مطالعه با ترکیب روشهای یادگیری انتقالی و افزایش پویای دادهها، روشی را ارائه کردهاند که امکان آموزش مدلهای یادگیری عمیق را با حجم محدودی از تصاویر برچسبگذاریشده فراهم میکند.
کمبود دادههای برچسبگذاریشده یکی از چالشهای مهم در توسعه مدلهای هوش مصنوعی برای تحلیل تصاویر ماهوارهای است؛ چراکه تهیه و برچسبگذاری این دادهها به زمان و منابع قابلتوجهی نیاز دارد. …
