ІНТЕЛЕКТУАЛЬНА СИСТЕМА ВИЗНАЧЕННЯ ПОРОДИ СОБАКИ ЗА ДОПОМОГОЮ НЕЙРОННОЇ МЕРЕЖІ
##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Анотація
У статті розглядається розробка інтелектуальної системи автоматичного визначення
породи собаки на основі згорткових нейронних мереж. Описано теоретичні засади
класифікації зображень із застосуванням глибокого навчання: принципи роботи згорткових і
пулінгових шарів, функції активації ReLU та Softmax, механізм зворотного поширення помилки.
Проведено огляд ключових бібліотек Python, що використовувались у роботі: Pandas – для
попередньої обробки даних, TensorFlow – для побудови та навчання нейронної мережі, Streamlit
– для розгортання веб-інтерфейсу. Описано практичну реалізацію системи: формування
навчальної вибірки з 1888 зображень 21 породи собак, архітектуру послідовної згорткової
мережі з чотирма блоками «згортка – підвибірка» та двома повнозв'язними шарами, а також
процес навчання протягом 30 епох. За результатами тестування досягнуто точність
класифікації 93.64%. Веб-додаток розгорнуто на платформі Streamlit Cloud з використанням
репозиторію GitHub. Виконано серії практичних тестувань, що підтвердили працездатність
системи для порід, представлених у навчальній вибірці, та прогнозовану поведінку для
відсутніх порід. Запропонований підхід може бути поширений на інші задачі класифікації
зображень у галузі комп'ютерного зору.
##plugins.themes.bootstrap3.article.details##
Посилання
Convolutional neural network. Wikipedia. URL:
https://en.wikipedia.org/wiki/Convolutional_neural_network (accessed: 01.10.2023).
Patterson J., Gibson A. Deep Learning: A Practitioner's Approach. Sebastopol: O'Reilly Media, 2017. 520 p.
Streamlit Documentation. URL: https://docs.streamlit.io/ (accessed: 01.10.2023).
LeCun Y., Bottou L., Bengio Y., Haffner P. Gradient-based learning applied to document recognition.
Proceedings of the IEEE. 1998. Vol. 86, No. 11. P. 2278–2324. DOI: 10.1109/5.726791.
Krizhevsky A., Sutskever I., Hinton G. E. ImageNet Classification with Deep Convolutional Neural
Networks. Advances in Neural Information Processing Systems. 2012. Vol. 25. P. 1097-1105.
Simonyan K., Zisserman A. Very Deep Convolutional Networks for Large-Scale Image Recognition. arXiv
preprint arXiv:1409.1556. 2014. URL: https://arxiv.org/abs/1409.1556.
Khosla A., Jayadevaprakash N., Yao B., Fei-Fei L. Novel Dataset for Fine-Grained Image Categorization.
Proceedings of the 1st Workshop on Fine-Grained Visual Categorization (FGVC), CVPR. Colorado
Springs, 2011.
Parkhi O. M., Vedaldi A., Zisserman A., Jawahar C. V. Cats and Dogs. Proceedings of the IEEE Conference
on Computer Vision and Pattern Recognition (CVPR). Providence, 2012. P. 3498–3505. DOI:
1109/CVPR.2012.6248092.