تطبيق شبكات EfficientNets في تصنيف الصور المقطعية

الملخص

يعتبر ظهور خوارزميات EfficientNets حدثاً هاماً في مجال التعلُّم العميق، حيث تعمل هذه الخوارزميات على إعادة النظر في ضبط وتحجيم الشبكات العصبونية التلافيفية ConvNets لتتناسب مع تغير حجم الموارد وتعطي دقة أفضل.

تعمل خوارزميات EfficientNets بشكل أدق على الموازنة بين عمق الشبكة وعرضها ودقتها بشكل متوازن لتعطي أداء أفضل. 

بالنسبة لبحثنا اخترنا تطبيق عائلة خوارزميات EfficientNets وهي من EfficientNet-B0 إلى EfficientNet-B7 كما تمت مقارنة أداء هذه العائلة مع ResNet50 وdenseNet121  على قاعدة بيانات لمرضى Covid-19 مصنفة إلى ثلاث فئات (مصاب بكورونا ، سليم ، مصاب بالتهاب رئوي).

كانت نتيجة البحث أن عائلة خوارزميات EfficientNet كانت ذات دقة ممتازة وقد تفوق أداء عدة نماذج منها على أداء خوارزميات التعلم العميق الشائعة الاستخدام، تحديداً حقق EfficientNet-B5 أفضل نتائج من بين النماذج المستخدمة.