Στις μέρες μας τα νευρωνικά δίκτυα και συγκεκριμένα τα βαθιά νευρωνικά δίκτυα είναι μια ευρέως διαδομένη μέθοδος αναγνώρισης προτύπων και ανάλυσης εικόνων με σκοπό της εξόρυξη σημαντικών πληροφορίων, καθώς και την επίλυση προβλημάτων. Η παρούσα διπλωματική εργασία ασχολείται με ένα συγκεκριμένο σύνολο δεδομένων το BigEarthNet. To BigEarthNet είναι ένα αρχείο αναφοράς το οποίο αποτελείται από 590,326 ζεύγη δορυφορικών εικόνων ανάγλυφου της γης και ο όγκος του φτάνει περίπου τα 66GB αποθηκευτικού χώρου. Όταν έχουμε να κάνουμε με την μελέτη εικόνων και ειδικά για μεγάλο όγκο δεδομένων, ο πλέον κατάλληλος τύπος νευρωνικών δίκτυών είναι τα συνελικτικά νευρωνικά δίκτυα. Τα τελευταία χρόνια τα συνελικτικά νευρωνικά δίκτυα, έχουν καταφέρει να λύσουν πάρα πολλά προβλήματα επιτυχημένα, όμως κάποιες φορές ο όγκος των δεδομένων καθώς και οι διαφορετικοί παράμετροι δημιουργούν την ανάγκη όλο και πιο συνθέτων και πιο μεγάλων νευρωνικών δικτύων, που έχει ως αποτέλεσμα να γίνονται πιο μεγάλα σε μέγεθος καθώς και να καταπονούν περισσότερη υπολογιστική ισχύ, καθώς επίσης απαιτείται και μεγάλο χρονικό διάστημα εκπαίδευσης. Τα τελευταία χρόνια έχουν αναπτυχθεί διάφορες τεχνικές οι οποίες προσπαθούν να λύσουν αυτό το πρόβλημα, δηλαδή να δημιουργήσουν μικρότερα σε μέγεθος και λιγότερα κοστοβόρα σε υπολογιστική ισχύ δίκτυα, που θα προσεγγίζουν τα αποτελέσματα των μεγαλύτερων. Στην συγκεκριμένη διπλωματική εφαρμόστηκε η μέθοδος της απόσταξης γνώσης η οποία μεταφέρει γνώση από το μεγαλύτερο μοντέλο στο μικρότερο χωρίς να μειώνετε η εγκυρότητα τον αποτελεσμάτων.
Ηλεκτρονικοί υπολογιστές. Επιστήμη των υπολογιστών
Natural Sciences ▶ Computer and Information Sciences Computer Science
(EN)
Harokopio University
