Застосування згорткових мереж для дослідження алгоритмів розпізнавання образів

Abstract

Актуальність даної теми полягає в тому, що розпізнавання образів залишається важливою частиною розвитку штучного інтелекту, і удосконалення алгоритмів для ефективнішої роботи з зображеннями є важливим кроком у розвитку сучасних технологій. Метою роботи є дослідження застосування згорткових нейронних мереж для розв'язання задач розпізнавання образів, зокрема класифікації зображень, аналізу ефективності різних архітектур та порівняння результатів навчання моделей на різних наборах даних. У першому розділі було розглянуто основні концепції, які складають основу для розуміння нейронних мереж, а також здійснено огляд ключових архітектур згорткових нейронних мереж (CNN). Для подальшого аналізу були обрані ResNet і Inception: ці архітектури дають змогу досягати високої продуктивності завдяки новим підходам таким як залишкові з'єднання та інцепшн-блоки, і є актуальними для більш складних та масштабних завдань У другому розділі було було проведено всебічний аналіз двох сучасних архітектур згорткових нейронних мереж - ResNet34 та Inception. Було розглянуто їх внутрішню будову, ключові особливості та переваги у вирішенні задач класифікації зображень. Таким чином, було підтверджено доцільність використання як ResNet34, так і Inception у задачах комп’ютерного зору, з можливістю подальшої адаптації під інші типи даних і задачі.