سلام
در یک مسئله تشخیص خودکار بیماری از روی تصاویر. بعد از اینکه مشخصات تصاویر استخراج شدند ، میخوام از شبکه عصبی استفاده کنم اما از اونجاییکه دوبیماری که قصد تمایز اونها از هم رو دارم خیلی به هم شبیه هستند طبیعتا نیاز به استخراج ویژگی با دقت بالایی هست. از طرفی وقتی ورودی شبکه عصبی رو به عنوان بردار P تعریف میکنیم. طبیعتا سایز بردار ورودی به نواعی تعیین کننده تعداد نرونهای لایه ورودی هست. مثلا اگه برای 100 تصویر بردار مشخصات 100*300 باشه و بردار تارگت هم 100*1 در اینصورت تعداد نرونهای لایه ورودی 300 خواهد بود. جالب اینجاست که من با این شرایط جواب خیلی خوبی میگیرم ولی میگن که تعداد نرونهای ورودیم بیش از اندازه زیاده.
از طرفی چون شباهت تصاویر زیاد هست اگه ویژگیها رو کم کنم درصد تشخیص پایین میاد. حتی اگه برای تعیین تاثیرگذارترین ویژگی ها از PCA استفاده کنم هم باز درصد پایین میاد. میخوام بدونم واقعا این سایز بردار ورودی مشکل داره؟ از بین دوستان کسی میتونه در این زمینه کمکی کنه؟ ممنون میشم
در یک مسئله تشخیص خودکار بیماری از روی تصاویر. بعد از اینکه مشخصات تصاویر استخراج شدند ، میخوام از شبکه عصبی استفاده کنم اما از اونجاییکه دوبیماری که قصد تمایز اونها از هم رو دارم خیلی به هم شبیه هستند طبیعتا نیاز به استخراج ویژگی با دقت بالایی هست. از طرفی وقتی ورودی شبکه عصبی رو به عنوان بردار P تعریف میکنیم. طبیعتا سایز بردار ورودی به نواعی تعیین کننده تعداد نرونهای لایه ورودی هست. مثلا اگه برای 100 تصویر بردار مشخصات 100*300 باشه و بردار تارگت هم 100*1 در اینصورت تعداد نرونهای لایه ورودی 300 خواهد بود. جالب اینجاست که من با این شرایط جواب خیلی خوبی میگیرم ولی میگن که تعداد نرونهای ورودیم بیش از اندازه زیاده.
از طرفی چون شباهت تصاویر زیاد هست اگه ویژگیها رو کم کنم درصد تشخیص پایین میاد. حتی اگه برای تعیین تاثیرگذارترین ویژگی ها از PCA استفاده کنم هم باز درصد پایین میاد. میخوام بدونم واقعا این سایز بردار ورودی مشکل داره؟ از بین دوستان کسی میتونه در این زمینه کمکی کنه؟ ممنون میشم
دیدگاه