Вас приветствует Интернет конференция!
Приветствуйем на нашем сайте
РОЗПІЗНАВАННЯ ЗОБРАЖЕНЬ ОСНОВІ МЕТОДІВ ОБЧИСЛЮВАЛЬНОГО ІНТЕЛЕКТУ
16.11.2022 13:29
[1. Информационные системы и технологии]
Автор: Павлікович Анастасія Олегівна, студентка, Західноукраїнський національний університет, м. Тернопіль
На сьогоднішній день існує ряд популярних методів ідентифікації людини, які ґрунтуються на аналізі біометричних даних. Серед цих методів також можна виділити методи, які грунтуються на аналізі зображення обличчя, яких можна отримати в процесі фото- і відео-зйомки. Багато з цих методів показує непогані результати ідентифікації з переважно фронтальним положенням обличчя на певних наборах фотографій.
Розвиток методів машинного навчання та теорії глибоких нейронних мереж призвів до розвитку великої кількості згорткових нейронних мереж для розпізнавання та класифікації зображень [1].
На даний момент існує досить багато архітектур згорткових нейронних мереж. Кожного року виходять нові статті, нові архітектури або модифікуються існуючі. Розглянемо наступні архітектури: DenseNet [2], MobileNet [3], Squeezenet [4], AlexNet [5] та InceptionV3 [6]. Дві перших архітектури досить об’ємні і навчання займає досить багато часу, але і точність краща. Останні дві менші за розмірами, так і навчались швидше, так як розраховані для використання в пристроях, де мало пам’яті і обчислювальних потужностей.
Існують і інші методи ідентифікації об’єктів на зображеннях. Наприклад, в роботі [7] описано метод, який базується на використанні SVM для автоматичного виявлення сонячних панелей, використовуючи фотографії високої роздільної здатності, отримані за допомогою супутника. У цьому підході спочатку застосовується операція попереднього скринінгу, яка ідентифікує регіони, які потім обробляються з метою виділення ознак. В якості вихідної інформації, отриманої за допомогою даної моделі, виступає список регіонів і довірчі значення, що показують, наскільки ймовірна наявність сонячної панелі в заданій області.
В [8] використовується підхід, який базується на застосуванні дерев рішень. Досягнутий показник локалізації панелей склав 90% в разі використання певних параметрів алгоритму, а сам метод складається з чотирьох стадій.
Проведено дослідження різних архітектур глибоких згорткових нейронних мереж. Архітектури DenseNet і InceptionV3 досить об’ємні і навчання займає досить багато часу. Архітектури MobileNet та AlexNet менші за розмірами, і відповідно навчались швидше. Проте розглянуті архітектури не придатні для виявлення та класифікації зображень низької якості.
Тому актуальною є задача застосування гібридних методів обчислювального інтелекту для ідентифікації людини по зображенню обличчя.
Література
1. Komar M., Golovko V., Sachenko A., Dorosh V., Yakobchuk P. Deep Neural Network for Image Recognition Based on the Caffe Framework. The IEEE Second International Conferеnce on Data Stream Mining & Processing : Proceedings (Lviv, Ukraine, August 21–25, 2018). Lviv, 2018. Pp. 102-106.
2. Densely Connected Convolutional Networks [Електронний ресурс] – Режим доступу : https://arxiv.org/pdf/1608.06993v3.pdf.
3. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications [Електронний ресурс] – Режим доступу : https://arxiv.org/pdf/1704.04861.pdf.
4. SqueezeNet [Електронний ресурс] – Режим доступу : https://arxiv.org/pdf/1602.07360.pdf.
5. СNN Architectures: LeNet, AlexNet, VGG, GoogLeNet, ResNet and more [Електронний ресурс] – Режим доступу : https://medium.com/@sidereal/cnns-architectures-lenet-alexnet-vgg-googlenet-resnet-and-more-666091488df5.
6. Inception-v3 [Електронний ресурс] – Режим доступу : https://habr.com/post/302242.
7. Malof J. Hou R., Collins L.M., Bradbury K., Newell R. Automatic Solar Photovoltaic Panel Detection in Satellite Imagery. International Conference on Renewable Energy Research and Applications : Proceedings (Palermo, Italy, 22-25 November, 2015). Palermo, 2015. Pp. 1428–1431.
8. Malof J., Collins L., Bradbury K. A deep convolutional neural network, with pre-training, for solar photovoltaic array detection in aerial imagery. IEEE International Geoscience and Remote Sensing Symposium : Proceedings (Fort Worth, TX, USA, December 1, 2017). Fort Worth, 2017. Pp. 874–877.
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter
Другие научные работы даной секции
-
МЕТОД СТВОРЕННЯ ВІДМОВОСТІЙКИХ БАЗДРОТОВИХ СИСТЕМ У СУЧАСНИХ ВИРОБНИЦТВАХ
31.10.2022 17:13 -
PROJECT MODELS OF DEVELOPING THE DISTRIBUTIVE CHANNELS AND NETWORKS
16.11.2022 23:23 -
ЗАСТОСУВАННЯ АПАРАТУ НЕЧІТКОЇ ЛОГІКИ ПРИ СТВОРЕННІ АПАРАТНО-ПРОГРАМНИХ ЗАСОБІВ ВИЯВЛЕННЯ КОМП’ЮТЕРНИХ АТАК
16.11.2022 16:31 -
СУЧАСНІ ПРИСТРОЇ ТА ТЕХНОЛОГІЇ ІДЕНТИФІКАЦІЇ ОСОБИ
16.11.2022 13:33 -
ОСОБЛИВОСТІ НАВЧАННЯ ГЛИБОКИХ НЕРОННИХ МЕРЕЖ ДЛЯ ОБРОБКИ ТА АНАЛІЗУ ВЕЛИКИХ ДАНИХ
16.11.2022 13:23
Конференции
Конференции 2024
Конференции 2023
Конференции 2022
Конференции 2021
