انتقال سبک برای افزایش داده های آموزشی شبکه های کانولوشنی در شناسایی شعله آتش

وجود داده های آموزشی کافی، امری اساسی در همه سیستم های یادگیری با نظارت و منجمله در حوزه یادگیری عمیق و بینایی ماشین است. یکی از روش های استفاده شده برای افزایش تعداد نمونه های آموزشی در یادگیری عمیق، شیوه «داده افزایی» است. این شیوه، متضمن تبدیل های دوران، انتقال و برش روی تصاویر آموزشی است که به افزایش تعداد نمونه های آموزشی نسبتا متفاوت از داده های اولیه منجر می شود. در این نوشتار از الگوریتم «انتقال سبک» مبتنی بر شبکه های مولد رقابتی برای افزایش تعداد نمونه های آموزشی استفاده شده است. هدف در انتقال سبک، اعمال ظاهر یا سبک بصری یک تصویر روی تصویری دیگر است که جنبه هنری آن بیشتر دیده شده است. در این نوشتار از این شیوه برای تولید نمونه های جدید آموزشی استفاده شده و به منزله یک کاربرد، روش پیشنهادی بر روی مسیله شناسایی شعله آتش اعمال شده است. با این فرض که تصاویر آموزشی ثبت شده در طی شب، کمتر از نمونه های اخذشده در روزند، با اعمال یک روش انتقال سبک، تصاویر روز به تصاویر شب، تبدیل و به عنوان داده آموزشی به مجموعه دادگان اضافه می شوند. نتایج آزمایشات انجام شده، کارایی شیوه پیشنهادی را نشان داده است. شیوه پیشنهادی به صورت میانگین، 7 درصد نرخ تشخیص درست را نسبت به استفاده نکردن از آن افزایش داده است.