Наукові статті

Практичні кейси створення згорткових моделей штучного інтелекту для задач розпізнавання образів

Лактіонов, О.І.

Мета статті підвищення ефективності розпізнавання образів шляхом створення бінарного класифікатора об’єктів цивільної інфраструктури засобами глибокого навчання. Результати дослідження . Створено згорткові моделі штучного інтелекту для розпізнавання об’єктів цивільної інфраструктури. Побудовано згорткову ней- ронну мережу Sequential, яка нараховує три згорткових шари, шари пулінгу, шар перетворення, пов’язаний шар та вихідний шар. Оптимальне значення помилки при навчанні/тестуванні становить 0,0650/0,4424, де точність 0,98/0,92 відповідно, у той час як результати третьої епохи демонструють помилку 0,2442/0,2595 відповідно, а точність – 0,93. Використано попередньо навчену модель мережі VGG16, котру перенавчено на досліджуваному датасеті. Вказана модель демонструє мінімальне значення помилки для навчання/тестування 0,0278/0,1538 при точності 0,99/0,96 відповідно. Наукова новизна. Набуло подальшого розвитку використання згорткових нейронних мереж для завдань розпізнавання рівня руйнувань цивільної інфраструктури. Практичне значення . Побудовано дві моделі згорткової нейронної мережі, зокрема модель Sequential й VGG16 для вирішення завдань розпізнавання зруйнованих і цілих будинків. Для виявлення вказаних об’єктів необхідною передумовою є використання камери й відповідного апаратного забезпечення, на кшталт raspberry pi або персонального комп’ютера чи ноутбука.

Українська

2024

комп’ютерний зір

Національний університет «Полтавська політехніка імені Юрія Кондратюка»

Лактіонов О.І. Практичні кейси створення згорткових моделей штучного інтелекту для задач розпізнавання образів / О.І. Лактіонов, Н.М. Педченко, А.С. Янко // Системи управління, навігації та зв'язку. – 2024. – № 3 (77). – С. 136–140. – Doi: 10.26906/SUNZ.2024.3.136

004. 89:004.93'1