Анализ алгоритмов поиска объектов на изображениях с использованием различных модификаций сверточных нейронных сетей
DOI:
https://doi.org/10.17308/sait.2019.3/1313Ключевые слова:
поиск объектов, классификация объектов, нейронные сети, глубокое обучение, R-CNN, Fast R-CNN, Faster R-CNNАннотация
Рассматриваются задачи поиска и классификации объектов на изображениях с использованием современных алгоритмов компьютерного зрения. Приведено описание основных типов алгоритмов и методов для поиска объектов, основанных на использовании глубоких нейронных сетей. Проведен сравнительный анализ и моделирование нейросетевых алгоритмов для решения задачи классификации и поиска объектов на изображениях. Приведены результаты тестирования нейросетевых моделей с различными архитектурами на наборах данных VOC2007 и COCO. Проанализированы результаты исследования точности распознавания в зависимости от различных гиперпараметров обучения. Исследовано изменение значения времени определения местоположения объекта в зависимости от различных архитектур нейронной сети.
Библиографические ссылки
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
