Оцінка класифікації зображень для перенесення навчання у згорткових нейронних мережах

Автор(и)

  • М. С. Мамута Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»
  • І. В. Кравченко Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»
  • О. Д. Мамута Інститут фізики Національної академії наук України
  • С. Є. Тужанський Вінницький національний технічний університет

DOI:

https://doi.org/10.31649/1681-7893-2023-45-1-64-70

Ключові слова:

нейронна мережа, комп’ютерний зір, глибинне навчання, перенесення навчання

Анотація

У статті представлено порівняльний аналіз основних згорткових нейронних мереж, що використовуються для задач класифікації зображень. Розглянуто особливості прийому перенесення навчання для задачі класифікації. Досліджено ефективність перенесення навчання при використанні основних типів мереж відкритої нейромережної бібілотеки Keras

Біографії авторів

М. С. Мамута, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

к.т.н., старший викладач кафедри комп’ютерно-інтегрованих оптичних та навігаційних систем

І. В. Кравченко, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

старший викладач кафедри комп’ютерно-інтегрованих оптичних та навігаційних систем

О. Д. Мамута, Інститут фізики Національної академії наук України

к.т.н., науковий співробітник відділу когерентної та квантової оптики

С. Є. Тужанський, Вінницький національний технічний університет

к.т.н., доцент кафедри біомедичної інженерії та оптико-електронних систем

Посилання

Yu. Tomka, M. Talakh, V. Dvorzhak, O. Ushenko, "Implementation of a Convolutional Neural Network Using TensorFlow Machine Learning Platform", Optoelectronic Information-Power Technologies, vol. 44, №2, pp. 55-65, 2023. DOI: https://doi.org/10.31649/1681-7893-2022-44-2-55-65

A. Krizhecsky, I. Sutskever, and G. Hinton, "ImageNet Classification with Deep Convolutional Neural Networks", [Electronic resource]. Available:

https://proceedings.neurips.cc/paper_files/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf

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

Qiang Yang, Yu Zhang, Wenyuan Dai, Sinno Jialin Pan. "Transfer Learning", Cambridge University Press, 2020, p. 380. DOI: https://doi.org/10.1017/9781139061773

Nafiz Shahriar, "What is Convolutional Neural Network – CNN (Deep Learning)", [Electronic resource]. Available: https://nafizshahriar.medium.com/what-is-convolutional-neural-network-cnn-deep-learning-b3921bdd82d5

Ian Goodfellow, Yoshua Bengio, Aaron Courville. "Deep learning", MIT Press, 2017, p. 800

А. Момот, М. Мамута. "Інтелектуальні та інформаційні системи. Практикум", КПІ ім. Ігоря Сікорського, 2022, 221 с.

[Electronic resource]. Available: https://ela.kpi.ua/bitstream/123456789/47696/1/IIS.pdf

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

C. Szegedy. "Going Deeper with Convolutions", IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Boston, MA, 2015, pp. 1-9. DOI: 10.1109/CVPR.2015.7298594

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

##submission.downloads##

  • pdf
    Завантажень: 95
Переглядів анотації: 133

Опубліковано

2023-09-28

Як цитувати

[1]
М. С. Мамута, І. В. Кравченко, О. Д. Мамута, і С. Є. Тужанський, «Оцінка класифікації зображень для перенесення навчання у згорткових нейронних мережах», Опт-ел. інф-енерг. техн., вип. 45, вип. 1, с. 64–70, Вер 2023.

Номер

Том 45 № 1 (2023)

Розділ

Системи технічного зору і штучного інтелекту з обробкою та розпізнаванням зображень

Метрики

Завантаження

Дані завантаження ще не доступні.

Ліцензія

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).