این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Nonlinear Analysis and Applications، جلد ۱۵، شماره ۴، صفحات ۲۷۵-۲۸۴
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Chimp optimization algorithm to optimize a convolution neural network for skin detection in HVS and RGB images
چکیده انگلیسی مقاله Skin detection is a useful and popular method to identify and recognize human body parts, faces, naked people, and skin diseases and retrieve people in multimedia databases. Therefore, finding a suitable method to divide the pixels of an image into different skin groups can be very important. One of the most common methods is based on convolutional neural networks (CNN). However, the process of training a CNN is a challenging issue. Various optimization strategies have recently been used to optimize CNN biases and weights, such as the firefly algorithm (FA) and ant colony optimization (ACO). In this study, we use a well-known nature-inspired technique called Chimp optimization algorithm (ChOA) to train a classical LeNet-5 CNN structure for skin detection. The proposed skin classification algorithms operate directly on the RGB and HVS color space. The results clearly show that the proposed algorithm significantly improves the performance of a convolutional neural network.
کلیدواژه‌های انگلیسی مقاله skin detection, segment the pixels, chimpanzee optimization algorithm, Convolutional Neural Networks
نویسندگان مقاله Sara Khosravi |
Department of Computer, Payame Noor University, PO. BOX 19395-3697 Tehran, Iran

نشانی اینترنتی https://ijnaa.semnan.ac.ir/article_7729_0816c5fbc558b833c4bec2a21d919aa8.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات