Розпізнавання зміни розміру і кольору зображення на основі згорткової нейронної мережі
DOI:
https://doi.org/10.30837/bi.2018.2(91).17Ключові слова:
РОЗПІЗНАВАННЯ ОБРАЗІВ, КЛАСИФІКАЦІЯ, ЗГОРТКОВА ШТУЧНА НЕЙРОННА МЕРЕЖА, АЛГОРИТМ НАВЧАННЯ, АКТИВАЦІЙНА ФУНКЦІЯАнотація
У статті розглянуто застосування згорткової нейронної мережі Mask R-CNN для розпізнавання зміни розміру і кольору зображення. Застосування даної мережі виправдано тим, що на відміну від інших типів згортальних нейронних мереж дана мережа призначена для не лише для виявлення всіх об'єктів заданих класів і визначення охоплюючої рамки для кожного з них, а й для визначення пікселів, що належать кожному об'єкту кожного класу окремо. Описана архітектура цієї мережі. Запропоновано модифікацію алгоритму навчання багатошарового персептрона, що входить до складу Mask R-CNN, яка представляє собою матричні варіанти процедури Качмажа (Уїдроу-Хоффа). Внаслідок наявності обмежених перешкод пропонується використовувати в алгоритмі зону нечутливості, для якої наведені процедури налаштування. Проведено експериментальне дослідження ефективності роботи мережі в задачі розпізнавання захворювання шкіри – меланоми. В якості навчальної вибірки використовувався набір фотографій з конкурсу «ISIC 2016: Skin Lesion Analysis Towards Melanoma Detection». Отримані результати свідчать про ефективність підходу, що розвивається.
Посилання
Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. – 1104 c.
LeCun Y. A theoretical framework for backpropagation // Proc. of IEEE. – 1998. – P.21-28.
LeCun Y., Bottou L., Bengio Y., Haffner P., Gradient Based Learning Applied to Document Recognition // Proc. of IEEE, 1998. – V. 86, №11. – P. 2278-2324.
Hinton G.E., Osindero S., The Y.-W. A fast learning algorithm for deep belief nets. Neural Comput., 18(7):1527{1554, 2006.
Krizhevsky A., Sutskever I., Hinton G. E. ImageNet classifica-tion with deep convolutional neural networks. // In Advances in Neural Information Processing Systems, 2012. – Р. 1097-1105.
He K, Gkioxari G, Dollár P, Girshick R. Mask R-CNN https://arxiv.org/abs/1703.06870
ISIC 2016: Skin Lesion Analysis Towards Melanoma Detection https://challenge.kitware.com/#phase/566744dccad3a56fac786787
