اکسپرس 24
ترجمه فارسی مقاله الگوریتم خوشه‌بندی تصویر مبتنی بر مدل‌های از پیش آموزش‌دیده خودنظارتی و بهینه‌سازی توزیع ویژگی‌های پنهان

ترجمه فارسی مقاله الگوریتم خوشه‌بندی تصویر مبتنی بر مدل‌های از پیش آموزش‌دیده خودنظارتی و بهینه‌سازی توزیع ویژگی‌های پنهان

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Image Clustering Algorithm Based on Self-Supervised Pretrained Models and Latent Feature Distribution Optimization
عنوان مقاله به فارسی الگوریتم خوشه‌بندی تصویر مبتنی بر مدل‌های از پیش آموزش‌دیده خودنظارتی و بهینه‌سازی توزیع ویژگی‌های پنهان
نویسندگان Qiuyu Zhu, Liheng Hu, Sijin Wang
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
دسته بندی موضوعات Machine Learning,Computer Vision and Pattern Recognition,یادگیری ماشین , دید رایانه و تشخیص الگوی ,
توضیحات Submitted 10 August, 2024; v1 submitted 4 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده 10 اوت 2024 ؛V1 ارسال شده در 4 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 680,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

In the face of complex natural images, existing deep clustering algorithms fall significantly short in terms of clustering accuracy when compared to supervised classification methods, making them less practical. This paper introduces an image clustering algorithm based on self-supervised pretrained models and latent feature distribution optimization, substantially enhancing clustering performance. It is found that: (1) For complex natural images, we effectively enhance the discriminative power of latent features by leveraging self-supervised pretrained models and their fine-tuning, resulting in improved clustering performance. (2) In the latent feature space, by searching for k-nearest neighbor images for each training sample and shortening the distance between the training sample and its nearest neighbor, the discriminative power of latent features can be further enhanced, and clustering performance can be improved. (3) In the latent feature space, reducing the distance between sample features and the nearest predefined cluster centroids can optimize the distribution of latent features, therefore further improving clustering performance. Through experiments on multiple datasets, our approach outperforms the latest clustering algorithms and achieves state-of-the-art clustering results. When the number of categories in the datasets is small, such as CIFAR-10 and STL-10, and there are significant differences between categories, our clustering algorithm has similar accuracy to supervised methods without using pretrained models, slightly lower than supervised methods using pre-trained models. The code linked algorithm is https://github.com/LihengHu/semi.

چکیده به فارسی (ترجمه ماشینی)

در مواجهه با تصاویر طبیعی پیچیده ، الگوریتم های خوشه بندی عمیق موجود از نظر دقت خوشه بندی در مقایسه با روشهای طبقه بندی تحت نظارت ، به طور قابل توجهی کوتاه می شوند و آنها را کمتر عملی می کند.در این مقاله یک الگوریتم خوشه بندی تصویر بر اساس مدلهای پیش بینی شده خود تحت نظارت و بهینه سازی توزیع ویژگی های نهفته ، عملکرد خوشه بندی قابل ملاحظه ای را معرفی می کند.مشخص شده است که: (1) برای تصاویر طبیعی پیچیده ، ما به طور موثری قدرت تبعیض آمیز ویژگی های نهفته را با استفاده از مدلهای پیش بینی شده خود تحت نظارت و تنظیم دقیق آنها تقویت می کنیم و در نتیجه عملکرد خوشه بندی بهبود می یابد.(2) در فضای ویژگی نهفته ، با جستجوی تصاویر همسایه K-Nearest برای هر نمونه آموزشی و کوتاه کردن فاصله بین نمونه آموزش و نزدیکترین همسایه آن ، قدرت تبعیض آمیز ویژگی های نهفته را می توان بیشتر کرد و عملکرد خوشه بندی می تواند باشدبهبود یافته(3) در فضای ویژگی نهفته ، کاهش فاصله بین ویژگی های نمونه و نزدیکترین سانتروئیدهای خوشه ای از پیش تعریف شده می تواند توزیع ویژگی های نهفته را بهینه کند ، بنابراین عملکرد خوشه بندی را بیشتر بهبود می بخشد.از طریق آزمایشات در مجموعه داده های مختلف ، رویکرد ما از آخرین الگوریتم های خوشه بندی بهتر عمل می کند و به نتایج خوشه بندی پیشرفته می رسد.هنگامی که تعداد دسته های موجود در مجموعه داده ها کوچک است ، مانند CIFAR-10 و STL-10 ، و تفاوت های قابل توجهی بین دسته ها وجود دارد ، الگوریتم خوشه بندی ما دقت مشابهی با روش های نظارت شده بدون استفاده از مدل های پیش ساخته ، کمی پایین تر از روش های تحت نظارت با استفاده از روش های تحت نظارت دارد.مدل های آموزش داده شده.الگوریتم پیوند شده کد https://github.com/lihenghu/semi است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.