| |
За последние несколько лет использование подходов к распознаванию образов, объектов, оптико-электронных устройств, предназначенных для визуального контроля или автоматического анализа изображений в сочетании с методами компьютерного зрения, основанных на использовании нейронных сетей, доказало свою эффективность в решении различных задач. Сверточные сети, являясь ключевым элементом большинства систем интеллектуального анализа данных, способны влиять на процессы, происходящие в различных системах за счет взаимосвязи между данными о конкретном событии и возможностями прогнозирования будущих событий. Однако развитие в области адаптации и использования нейронных сетей для решения задач локализации и классификации происходит очень медленно. И если часть проблем в указанной сфере, связанных с распознаванием объектов, уже удалось преодолеть путем обучения нейронных сетей на основе элементарных алгоритмов, то такие проблемы, как производительность нейронных сетей и выбор оптимальных алгоритмов обучения сетей для указанных целей, по-прежнему не решены.
В статье автор рассматривает основные теоретические проблемы развития сверточных нейронных сетей для решения задач классификации и локализации и приходит к выводу о том, что в настоящее время назрела необходимость разработки подходов к более быстрому и точному обучению сетей. При этом такие подходы должны быть комплексными и ориентированными не только на решение проблемы увеличения количества обрабатываемой информации без потери качества работы сети, но и на увеличение количества слоев нейронной сети без потери точности ее работы и производительности.
Ключевые слова:сверточные нейронные сети, задачи классификации и локализации, обучение нейронных сетей, задачи распознавания, компьютерное зрение.
|
ПРАВОВАЯ
ИНФОРМАЦИЯ:
