ОСОБЛИВОСТІ ЗАСТОСУВАННЯ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ ЗАДАЧ ОБРОБКИ ЗОБРАЖЕНЬ

Article Sidebar

PDF (Українська)
Published: бер. 16, 2020
Keywords:
глибоке навчання, машинне бачення, нейронні мережі, розпізнавання облич, рецептивні поля, згорткові нейронні мережі, класифікація, локалізація, виявлення, сегментація, випрямлені лінійні одиниці.

Main Article Content

Олександр Іванович КУЧЕР
Черкаський національний університет імені Богдана Хмельницького

Abstract

У статті дано базове поняття та характеристики згорткових нейронних мереж, описана структура та математичні підходи до реалізації нейронної мережі цього типу. Наданий опис основних шарів згорткових нейронних мереж, наведені параметри, завдяки яким можна змінювати процес навчання мережі. Детально розглянутий процес навчання кожного з шарів нейронної мережі. Додатково описані техніки, що дають можливість збільшити набір даних та покращити процес навчання мережі за допомого кількох перетворень.

Article Details

Issue
No. 1 (2019): ВІСНИК ЧЕРКАСЬКОГО УНІВЕРСИТЕТУ: ПРИКЛАДНА МАТЕМАТИКА. ІНФОРМАТИКА
Section
Computer Science
Author Biography

Олександр Іванович КУЧЕР, Черкаський національний університет імені Богдана Хмельницького

аспірант кафедри прикладної математики та інформатики

References

C. Zhang, and Z. Zhang, “Improving multiview face detection with multi-task deep convolutional neural networks,” IEEE Winter Conference on Applications of Computer Vision, 2014, pp. 1036-1041.

Deng, J., Dong, W., Socher, R., Li, L.-J., Li, K., and Fei-Fei, L. (2009). ImageNet: A Large-Scale Hierarchical Image Database. In CVPR09.

Dumitru Erhan, Christian Szegedy, Alexander Toshev, Dragomir Anguelov, Scalable Object Detection using Deep Neural Networks, arXiv preprint arXiv: arXiv:1312.4400, 2014.

E. Borenstein; J. Malik, “Shape Guided Object Segmentation” in IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2006.

Geoffrey E. Hinton, Vinod Nair. “Rectified Linear Units Improve Restricted Boltzmann Machines”, Proceedings of International Conference on Machine Learning (ICML), 2010, pp 807-814.

H. Li, Z. Lin, X. Shen, J. Brandt, and G. Hua, “A convolutional neural network cascade for face detection,” in IEEE Conference on Computer Vision and Pattern Recognition, 2015, pp. 5325-5334.

Hubel, D. H., & Wiesel, T N. (1979). Brain mechanisms of vision. Scientific American, 241, 150–162.

J. Yan, Z. Lei, L. Wen, and S. Li, “The fastest deformable part model for object detection,” in IEEE Conference on Computer Vision and Pattern Recognition, 2014, pp. 2497-2504.

Jason Yosinski, Jeff Clune, Yoshua Bengio, Hod Lipson, How transferable are features in deep neural networks?, arXiv preprint arXiv: arXiv: 1411.1792v1, 2014.

Min Lin, Qiang Chen, Shuicheng Yan, Network In Network, arXiv preprint arXiv: arXiv: 1312.2249, 2013.

Nitish Srivastava, Geoffrey Hinton, Alex Krizhevsky, Ilya Sutskever, Ruslan Salakhutdinov, Dropout: A Simple Way to Prevent Neural Networks from Overfitting, Journal of Machine Learning Research 15, 2014, pp. 1929-1958.