Изменение размеров изображений для улучшения кластеризации

Маркеев Максим Валерьевич

Целью данной статьи является проведение исследований зависимости точности работы нейросети (кластеризация изображений) от размеров и пропорций изображений на входе самой нейросети. Современные нейросети используются для распознавания изображений, при этом делают это с большой точностью, иногда даже более точно, чем люди. Проблема заключается в не идеальности самих изображений. Для улучшения качества распознавания производится распознавание одного и того же изображения в различных масштабах, поворотах и зеркальном отображения. Работа этой методики была апробирована на разбиения изображений на 2 кластера «кошки» и «собаки». Проведенные исследования показали, что наилучшие результаты получаются при увеличении изображения на 30% при высоте 286 – 346 пикселей и ширине 272 – 383 пикселя для сверточной нейросети, которая была обучена на размерах 224 x 224. Результаты могут быть разными на разных наборах данных, поэтому в каждом случае необходима калибровка.

Ключевые слова:нейронные сети, кластеризация, изменение размеров изображений, искусственный интеллект, Keras, TensorFlow