Особливості застосування нейронних мереж для задач класіфікації

DSpace/Manakin Repository

Electronic Institutional Repository

of Pryazovskyi State Technical University

Show simple item record

dc.contributor.author Левицька, Тетяна Олександрівна
dc.contributor.author Петін, В. Д.
dc.date.accessioned 2020-02-10T12:08:16Z
dc.date.available 2020-02-10T12:08:16Z
dc.date.issued 2019
dc.identifier.uri http://eir.pstu.edu/handle/123456789/24862
dc.description Левицька, Т. О. Особливості застосування нейронних мереж для задач класіфікації / Т. О. Левицька, В. Д. Петін // Наука та виробництво : зб. наукових праць / ДВНЗ «ПДТУ». – Маріуполь, 2019. – Вип. 20. – С. 211–217. de
dc.description.abstract У статті розглядаються алгоритми машинного розпізнавання і класифікації об'єктів, які використовують для вирішення завдань комп'ютерного зору на мобільних пристроях. Описані їх недоліки і переваги. Встановлено, що багато алгоритмів виявлення є нестійкими до різних ознак або властивостей зображення, на якому відбувається пошук розпізнаваного об'єкта, який може бути повернений, спотворений або навіть деформований. У роботі запропоновано використання згорткової нейронної мережі для усунення всіх зазначених недоліків. Для реалізації поставлених завдань обрані сучасні інформаційні технології TensorFlow, Keras, Core ML 2. Розроблена система використовує середовище глибинного навчання, яка підтримує багато типів машинного навчання, націлених в першу чергу на вирішення задач класифікації і сегментації зображень в розробці мобільного. de
dc.description.abstract В статье рассматриваются алгоритмы машинного распознавания и классификации объектов, используемые для решения задач компьютерного зрения на мобильных устройствах. Описаны их недостатки и преимущества. Установлено, что многие алгоритмы обнаружения являются неустойчивыми к различным признакам или свойствам изображения, на котором происходит поиск распознаваемого объекта, который может быть повернут, искажен или даже деформирован. В работе предложено использование свёрточной нейронной сети для устранения всех указанных недостатков. Для реализации поставленных задач выбраны современные информационные технологии TensorFlow, Keras,Core ML 2. Разработанная система использует среду глубинного обучения, которая поддерживает много типов машинного обучения, нацеленных в первую очередь на решение задач классификации и сегментации изображений в мобильной разработке.
dc.description.abstract This article is devoted to the creation of a classifier model, which is implemented in a project developed for a mobile application on the iOS platform, which calculates the percentage probability of matching the recognized object in the selected image with the class of the trainedmodel. The relevance of this article is due to the fact that the algorithms used for recognition andclassification of objects have a high accuracy in the percentage probability of matching therecognized object in the selected image with the class of the trained model. The practical value ofthe developed system lies in the application of algorithms for recognition and classification of objects on the selected image in a mobile application on the iOS platform. The specific implementation of the classifier model and the mobile application on the iOS platform, based on this classifier model, developed within the framework of the thesis, is quite accurate and stable, andthe mobile application is visual. Technical solutions look reasonable, do not raise questions andcorrespond to the task. Based on the results of the study, the advantages are the high accuracy ofcalculating the correspondence of the recognized object in the selected image with the class of thetrained model of the classifier. The system on the iOS platform is implemented as an application containing the classifier model and the project itself to implement the calculation of the percentageprobability of matching the object in the image using this classifier model. The neural network has reached 97 % accuracy on training data and 81 % on test Data. By results of comparison of thereceived model with already existing models its adequacy and novelty is shown. The prospects for the development of this direction were justified.
dc.language.iso uk de
dc.title Особливості застосування нейронних мереж для задач класіфікації de
dc.type Article de


Files in this item

This item appears in the following Collection(s)

Show simple item record