ВЛАСТИВОСТІ ЗГОРТКОВІ НЕЙРОННОЇ МЕРЕЖІ НА ОСНОВІ АВТОКОДЕРА

Лев Ясенко; Ярослав Клятченко

doi:10.31649/1999-9941-2021-52-3-77-85

Автор(и)

Лев Ясенко Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»
Ярослав Клятченко Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

DOI:

https://doi.org/10.31649/1999-9941-2021-52-3-77-85

Ключові слова:

набір даних, тренування, нейронна мережа, автокодер, згортка

Анотація

Розглянуто згорткові властивості автокодуючої нейронної мережі для задач виявлення об’єктів на зображенні. Для тренувань і тестувань були згенеровані набори даних у вигляді двовимірних зображень з трьома каналами передачі кольору. Зображення згенеровані на основі тривимірної сцени, що складається з таких об’єктів як сфери, куби, циліндри і моделі “мавпочок”. Проведено оцінки часу тренування мережі на даних із різними конфігураціями та результату на виході нейронної мережі.

Біографії авторів

Лев Ясенко, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

магістрант кафедри системного програмування і спеціалізованих комп’ютерних систем

Ярослав Клятченко, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

кандидат технічних наук, доцент кафедри системного програмування і спеціалізованих комп’ютерних систем

Посилання

L. Yasenko, Y. Klyatchenko and O. Tarasenko-Klyatchenko, «Image noise reduction by denoising autoencoder», 2020 IEEE 11th International Conference on Dependable Systems, Services and Technologies (DESSERT), Kyiv, Ukraine, 2020, pp. 351-355, doi:10.1109/DESSERT50317.2020. 9125027.

Michael Seul, Lawrence O'Gorman, Michael J. Sammon, Practical Algorithms for Image Analysis. [Online]. Available: https://books.google.com.ua/books?id=5xcIErZZIN8C&printsec=frontcover&dq =Practical+Algorithms+for+Image+Analysis&hl=uk&sa=X&redir_esc=y#v=onepage&q=Practical%20Algorithms%20for%20Image%20Analysis&f=false.

R. Gonzalez, R. Woods. Digital image processing. Moscow: Technosphere. 2005, 1072p. [in Rusian].

A Comprehensive Guide to Convolutional Neural Networks − the ELI5 way. Sumit Saha. [Online]. Available: https://towardsdatascience.com/a-comprehensive-guide-to-convolutional-neural-networks-the-eli5-way-3bd2b1164a53.

Convolutional Neural Network (CNN). [Online]. Available: https://developer.nvidia.com/discover/convolutional-neural-network.

Conv2d. [Online]. Available: https://pytorch.org/docs/stable/generated/torch.nn.Conv2d.html.

ConvTranspose2d. [Online]. Available: https://pytorch.org/docs/stable/generated/torch.nn.ConvTranspose2d.html#torch.nn.ConvTranspose2d.