Συγκριτική αξιολόγηση μοντέλων μετασχηματισμού για αναγνώριση και ταξινόμηση εικόνας
Loading...
Date
2025-07-16
Authors
Βλαχογιάννης, Δημήτρης
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η παρούσα διπλωματική εργασία μελετά και συγκρίνει δύο σημαντικές κατηγορίες μοντέλων βαθιάς μάθησης στον τομέα της υπολογιστικής όρασης: τα Συνελικτικά Νευρωνικά-Δίκτυα (CNN) και τους Μετασχηματιστές (Transformers). Αρχικά, παρουσιάζονται αναλυτικά τα βασικά χαρακτηριστικά, οι αρχιτεκτονικές, καθώς και οι εφαρμογές των CNN σε εργασίες ταξινόμησης εικόνων και ανίχνευσης αντικειμένων, επισημαίνοντας τόσο τα πλεονεκτήματα όσο και τους περιορισμούς τους. Στη συνέχεια, γίνεται εισαγωγή στην αρχιτεκτονική των-μετασχηματιστών, δίνοντας ιδιαίτερη έμφαση στον μηχανισμό αυτο-προσοχής (self-attention),ο οποίος επιτρέπει τη μοντελοποίηση μακροχρόνιων εξαρτήσεων και έχει φέρει επανάσταση-κυρίως στον τομέα της επεξεργασίας φυσικής γλώσσας, αλλά πρόσφατα και στην υπολογιστική όραση με μοντέλα όπως το Vision Transformer.
Η εργασία περιλαμβάνει επίσης μια εκτενή συγκριτική αξιολόγηση των μοντέλων CNN και Transformer για εργασίες ταξινόμησης και ανίχνευσης αντικειμένων, χρησιμοποιώντας ευρέως-αποδεκτά σύνολα δεδομένων, όπως το ImageNet και το COCO. Επιπλέον, εξετάζεται η ευρωστία των μοντέλων σε επιθέσεις αντιφατικών δεδομένων καθώς και η αποτελεσματικότητά τους-στην ιατρική απεικόνιση, ιδιαίτερα στο σύνολο δεδομένων ChestX-ray14. Τα αποτελέσματατης εργασίας επιβεβαιώνουν τη δυναμική των Transformer ως ισχυρών ανταγωνιστών των-παραδοσιακών CNN, παρουσιάζοντας σε αρκετές περιπτώσεις υψηλότερη ακρίβεια και καλύτερη ανθεκτικότητα σε αντίξοες συνθήκες. Τέλος, προτείνεται η περαιτέρω διερεύνηση υβριδικών-μοντέλων, που συνδυάζουν τα πλεονεκτήματα των CNN και των Transformer για βέλτιστη απόδοση στην υπολογιστική όραση.
Description
Keywords
Οπτικοί μετασχηματιστές, Αναγνώριση αντικειμένων, Ανίχνευση αντικειμένων, Ιατρική απεικόνιση, Αύξηση δεδομένων, Ευρωστία