Разработка самообучающейся модели сбора и обработки информации на графическом процессоре для распознавания многопараметрических объектов

Игнатьев Денис Алексеевич

Автоматическое распознавание объектов является востребованной задачей для многих отраслей промышленности, начиная от военной разведки и заканчивая производством. Возможность визуального мониторинга окружающей среды без наблюдателя потенциально приводит к повышению производительности. Целью данной работы является разработка самообучающейся модели сбора и обработки информации на графическом процессоре для распознавания многопараметрических объектов. Полученные результаты показали, что реализация глубокой сети с помощью графического процессора обеспечивает быстрое решение для общего распознавания объектов. Отсутствие врожденных свойств системы делает ее непрактичной для большинства промышленных применений. Однако следует также отметить, что никакие исходные свойства системы не делают ее особенно удобной для поиска шаблонов в изображениях, в отличие от других входных пространств. В частности, ничто в системе не использует структуру входного пространства, которая идет с использованием изображений. Возможные улучшения могут быть использованы путем интеграции других методов, используемых для распознавания изображений, в ограниченную машину Больцмана или глубокую сеть. Таким образом, предложенная система отлично справляется с поставленными задачами и может быть полезной в полезной областях.

Ключевые слова:автоматическое распознавание объектов, нейронная сеть, самообучающаяся модель, графический процессор, многопараметрические объекты