Реалізація згорткової нейронної мережі з використанням Tensorflow платформ машинного навчання

Автор(и)

  • Ю.Я. Томка Чернівецький національний університет імені Юрія Федьковича
  • М.В. Талах Чернівецький національний університет імені Юрія Федьковича
  • В.В. Дворжак Чернівецький національний університет імені Юрія Федьковича
  • О.Г. Ушенко Чернівецький національний університет імені Юрія Федьковича

DOI:

https://doi.org/10.31649/1681-7893-2022-44-2-55-65

Ключові слова:

комп’ютерний зір,, згорточна нейронна мережа, CNN,, глибоке навчання, класифікація зображень, розуміння зображень

Анотація

Розглянута узагальнена алгоритміка реалізації типової архітектури згорткової нейронної мережі засобами бібліотеки машинного навчання TensorFlow. Проаналізовані особливості кодової імплементації згорткової нейронної мережі у задачі розпізнавання зображень на прикладі датасету MNIST.

Біографії авторів

Ю.Я. Томка, Чернівецький національний університет імені Юрія Федьковича

к.т.н., доцент кафедри комп’ютерних наук Чернівецького національного університету імені Юрія Федьковича

М.В. Талах, Чернівецький національний університет імені Юрія Федьковича

к.т.н., доцент кафедри комп’ютерних наук Чернівецького національного університету імені Юрія Федьковича

В.В. Дворжак, Чернівецький національний університет імені Юрія Федьковича

к.т.н., доцент кафедри комп’ютерних наук Чернівецького національного університету імені Юрія Федьковича

О.Г. Ушенко , Чернівецький національний університет імені Юрія Федьковича

д.т.н., професор, завідувач кафедри оптики та видавничої справи Чернівецького національного університету імені Юрія Федьковича

Посилання

Y. Lecun. Gradient-based Learning Applied to Document Recognition [Electronic resource] / Y.Lecun, L. Bottou, Y. Bengio, P. Haffner. – 1998. – Access Mode: http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf.

A Krizhevsky. ImageNet Classification with Deep Convolutional Neural Networks [Electronic resource] / A. Krizhevsky, S. Sutskever, G. Hinton – Access Mode: http://papers.nips.cc/paper/4824-imagenet-classifica-tion-with-deep-convolutional-neural-networks.pdf.

M. Zeiler. Visualizing and Understanding Convolutional Networks [Electronic resource] / M. Zeiler, R. Fergus. – 2013. – Access Mode: https://arxiv.org/pdf/1311.2901v3.pdf.

C. Szegedy. Going Deeper with Convolutions [Electronic resource] / C. Szegedy, W. Liu, Y. Jia та ін. – 2014. – Access Mode: https://arxiv.org/pdf/1409.4842.pdf.

K. Simonyan. Very deep convolutional networks for large-scale image recognition [Electronic resource] / K. Simonyan, A. Zisserman. – 2015. – Access Mode: https://arxiv.org/pdf/1409.1556.pdf.

K. He. Deep Residual Learning for Image Recognition [Electronic resource] / K. He, X. Zhang, S. Ren, J. Sun. – 2015. – Access Mode: https://arxiv.org/pdf/1512.03385.pdf.

Ioffe S. Batch Normalization: Accelerating Deep Network Training b y Reducing Internal Covariate Shift [Electronic resource] / S. Ioffe, C. Szegedy. – 2015. – Access Mode: https://arxiv.org/pdf/1502.03167.pdf.

An open-source software library for Machine Intelligence [Electronic resource]. – 2018. – Access Mode: https://www.tensorflow.org/

LeCun Y. The MNIST - Database of handwritten digits [Electronic resource] / Y. LeCun, C. Cortes, C. Burges – Access Mode: http://yann.lecun.com/exdb/mnist/.

Python TensorFlow Tutorial – Build a Neural Network [Electronic resource]. – 2017. – Access Mode: http://adventuresinmachinelearning.com/python-tensorflow-tutorial/.

Stochastic Gradient Descent – Mini-batch and more [Electronic resource]. – 2017. – Access Mode: http://adventuresinmachinelearning.com/stochastic-gradient-descent/.

Improve your neural networks – Part 1 [TIPS AND TRICKS] [Electronic resource]. – 2017. – Access Mode: http://adventuresinmachinelearning.com/improve-neural-networks-part-1/.

The CIFAR-10 dataset / The CIFAR-100 dataset [Electronic resource] – Access Mode: https://www.cs.toronto.edu/~kriz/cifar.html.

Neural Networks Tutorial – A Pathway to Deep Learning [Electronic resource]. – 2017. – Access Mode: http://adventuresinmachinelearning.com/neural-networks-tutorial/.

Stochastic Gradient Descent – Mini-batch and more [Electronic resource]. – 2017. – Access Mode: http://adventuresinmachinelearning.com/stochastic-gradient-descent/.

TensorFlow. API Documentation. v.1.5. [Electronic resource]. – 2017. – Access Mode: https://www.tensorflow.org/api_guides/python/train.

Olexander N. Romanyuk, and etc. "A function-based approach to real-time visualization using graphics processing units", Proc. SPIE 11581, Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2020, 115810E (14 October 2020).

L.I. Timchenko, N.I. Kokriatskaia, S.V. Pavlov, and etc. "Q-processors for real-time image processing", Proc. SPIE 11581, Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2020, 115810F (14 October 2020).

Intellectual Technologies in Medical Diagnosis, Treatment and Rehabilitation: monograph / [S. In Pavlov, O.G. Avrunin, S.M. Zlepko, E.V. Bodyanskyi, etc.]; edited by S. Pavlov, O. Avrunin. - Vinnytsia: PP "TD "Edelveiss and K", 2019. -260 p. ISBN 978-617-7237-59-3

Intelligent Technologies of Computer Planning and Modeling in Medical Diagnosis, Treatment and Rehabilitation: monograph // edited by S.V. Pavlov, O.G. Avrunin, O.V. Hrushko - Zhytomyr: "Euro-Volyn" PE, 2021. - 202 p. ISBN 978-617-7992-15-7.

##submission.downloads##

Переглядів анотації: 147

Опубліковано

2023-01-20

Як цитувати

[1]
Ю. . Томка, М. . Талах, В. . Дворжак, і О. . Ушенко, «Реалізація згорткової нейронної мережі з використанням Tensorflow платформ машинного навчання », Опт-ел. інф-енерг. техн., вип. 44, вип. 2, с. 55–65, Січ 2023.

Номер

Розділ

Системи технічного зору і штучного інтелекту з обробкою та розпізнаванням зображень

Метрики

Завантаження

Дані завантаження ще не доступні.

Статті цього автора (авторів), які найбільше читають