Перейти к основному контенту Перейти к главному меню навигации Перейти к нижнему колонтитулу сайта
Вестник «Физико-математические науки»

ПРИМЕНЕНИЕ ТРАНСФЕРА ОБУЧЕНИЯ НЕЙРОННЫХ СЕТЕЙ ДЛЯ КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЙ

Опубликован 03-2023
Евразийский национальный университет им. Л. Гумилева, г. Астана, Казахстан
Казахский Национальный Женский Педагогический Университет, г.Алматы, Казахстан
Евразийский национальный университет им. Л. Гумилева, г. Астана, Казахстан
Аннотация

В последние годы машинное обучение применяется в различных областях и приложениях, и его использование продолжает увеличиваться. Модели машинного обучения выявляют закономерности и отношения в примерах входных данных, а также в ответах, ожидаемых от данных. Выявленные взаимосвязи используются для нового неизвестного набора данных, чтобы автоматизировать решение интеллектуальных задач по распознаванию образов, прогнозированию или принятию решений. Сложные задачи требуют большого количества данных и времени для обучения, и данные  нужно пометить для обучения с учителем. Трансферное обучение – это метод, используемый для передачи знаний, полученных от одной задачи, для решения другой. Такой подход позволяет сократить объем исходных данных и время обучения или повысить точность решения интеллектуальной задачи. В настоящей работе представлены результаты экспериментальных исследований по распознаванию статических жестов рук на основе предлагаемой нами модели глубокой нейронной сети, с традиционным полным обучением на всех параметрах, и сверточной нейронной сети архитектуры VGG-16, предобученной с использованием концепции трансфера обучения. Оптимизатор Adam используется в качестве алгоритма градиентного спуска при обучении глубокой нейронной сети. Алгоритм обратного распространения применен для тонкой настройки предобученного нейросетевого классификатора, чтобы получить обновленные веса и повысить точность распознавания жестов. Программная реализация системы распознавания жестов выполнена с использованием Python-библиотек обработки изображений, полученных с глубинного сенсора захвата изображений. Нейронные сети спроектированы с применением фреймворков глубокого обучения TensorFlow и Keras. Производительность предлагаемой в работе модели глубокой нейронной сети сравнивается с моделью трансферного обучения для модифицированной архитектуры VGG-16.

pdf
Язык

Рус

Как цитировать

[1]
Сатыбалдина, Д., Калымова , К. и Сыдыков, Д. 2023. ПРИМЕНЕНИЕ ТРАНСФЕРА ОБУЧЕНИЯ НЕЙРОННЫХ СЕТЕЙ ДЛЯ КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЙ. Вестник «Физико-математические науки». 81, 1 (мар. 2023), 159–169. DOI:https://doi.org/10.51889/2959-5894.2023.81.1.018.