تصنيف أنواع الحيوانات باستخدام الشبكات العصبية التلافيفية: دراسة مقارنة مع الة المتجهات الداعمة

الملخص

تهدف هذه الدراسة الى مقارنة أداء الشبكات العصبية التلافيفية (CNNs) والة المتجهات الداعمة (SVM) في مهمة تصنيف أنواع الحيوانات من الصور، مع التركيز على ثلاث فئات رئيسية: الذئاب والثعالب والكلاب البرية. تم بناء و تدريب كلا النموذجين على مجموعة بيانات تحتوي على 3000 صورة موزعة بالتساوي على الثلاثة ، أظهرت النتائج أن نموذج الشبكات العصبية التلافيفية (CNNs) حقق أداء متفوقا بشكل واضح و بدقة بلغت 97% مقارنة بـ الة المتجهات الداعمة (SVM) التي اعتمدت على ميزات HOG بدقة بلغة 82% و الة المتجهات الداعمة (SVM) التي استخدمت ميزات  مستخلصة من CNN بدقة بلغت 94%.تؤكد هذه النتائج أن الشبكات العصبية التلافيفية (CNNs) هي الخيار الأفضل لتصنيف الصور المعقدة مثل صور الحيوانات ، و ذلك بفضل قدرتها الفائقة على التعلم التلقائي للميزات الهرمية ، و مع ذلك أظهرت الدراسة أيضا أن الة المتجهات الداعمة (SVM) يمكن أن تحقق أداء تنافسيا عند تزويدها بميزات غنية و مستخلصة بواسطة CNN ، مما يشير إلى إمكانية استخدام النهج الهجين في بعض التطبيقات .