Оптимизационные методы нейронных сетей для решения задачи бинарной классификации изображений

Крутов Тимофей Юрьевич, Афанасьев Геннадий Иванович, Нестеров Юрий Григорьевич

Проведен сравнительный анализ существующих методов оптимизации нейронных сетей и определен ряд оптимизаторов, показывающих наилучшее качество обучения для решения задачи бинарной классификации в распознавании изображений используемого набора данных. Рассмотрен метод градиентного спуска, SGD, метод Нестерова и Импульсный метод. Описаны адаптивные методы оптимизации такие как Adagrad, RMSprop и Adam. Рассмотрены две архитектуры нейронных: первая архитектура представляет собой сверточную нейронную сеть с четырьмя слоями свёртки, вторая сеть состоит из предобученной на наборе ImageNet нейронной сети VGG19 с добавленным классификатором. Состав слоев сети описан в тексте и на рисунках. В качестве обучающего набора использовался набор данных «Dogs vs. Cats» со сбалансированными классами изображений. Результаты обучения и тестов моделей приведены на графиках точности и потерь. Описаны рекомендации по выбору архитектуры нейронных сетей.

Ключевые слова:Оптимизаторы нейронных сетей, перенос обучения, модели нейронных сетей, свёрточные нейронные сети, VGG19.