Книга "Анализ влияния архитектуры входных слоев свертки и подвыборки глубокой нейронной сети на качество распознавания изображений" представляет результаты исследования, посвященного изучению того, как характеристики входных слоев свертки и подвыборки влияют на качество распознавания изображений в глубоких сверточных нейронных сетях. Авторы экспериментировали с различными параметрами, такими как размер ядра свертки для слоя свертки и размер рецептивного поля для субдискретизирующего слоя. Обычно разработчикам нейронных сетей приходится подбирать эти параметры на основе своего опыта. В данной книге предлагается методика, позволяющая частично автоматизировать этот процесс путем предварительного анализа характеристик изображения, таких как гистограммы и дисперсии интенсивности цветов пикселей. На основе сравнений этих характеристик авторами разработаны рекомендации по выбору размеров ядра свертки. Книга также содержит результаты апробации предложенного метода с использованием программы, написанной на языке Python с применением библиотек Keras и Tensorflow.
Представлены результаты исследования, посвященного влиянию характеристик входов слоев сверток и подвыборов сложной детекции изображений на качество распознания. Размер ядра свертки – изменяемый параметр слоя свертки, а размер области вовлечения – параметр архитектуры слоя выделения. Определенные параметры архитектуры избирают на основе личного руководства. Данная работа предоставляет вариант, позволяющий условно автоматизировать этот процесс путем первоначального анализа особенностей изображения – математических характеристик и дисперсии цветовых значений пикселей. Результатом данных сравнений являются рекомендации по подбору размеров ядра свертки. Кроме того, приведены результаты опробования указанного метода с использованием программы написанной путем на языке программирования Python. Класс Keras предусмотрен для использования, вместе с библиотека многослойных абстракций Tensorflow.
Электронная Книга «Анализ влияния архитектуры входных слоев свертки и подвыборки глубокой нейронной сети на качество распознавания изображений» написана автором М. И. Дли в 2020 году.
Минимальный возраст читателя: 0
Язык: Русский
Серии: Прикладная информатика. Научные статьи
Описание книги от М. И. Дли
Представлены результаты исследования влияния характеристик входных слоёв свертки и подвыборки глубокой свёрточной нейронной сети на качество распознавания изображений. Для слоя свёртки изменяемым параметром являлся размер ядра свёртки, варьируемым параметром архитектуры субдискретизирующего слоя являлся размер рецептивного поля. Все перечисленные параметры, определяющие архитектуру входных слоёв свёртки и подвыборки, разработчикам нейронных сетей приходится подбирать на основе своего опыта. В данной работе излагается способ, позволяющий частично автоматизировать это процесс в результате предварительного анализа характеристик изображения – гистограмм и дисперсий интенсивности цветов пикселей. На основе этих сравнений выработаны рекомендации для выбора размеров ядра свёртки. Приведены итоги апробации указанного способа с помощью программы, написанной на языке Python с использованием библиотек Keras и Tensorflow.
