Перейти к основному контенту Перейти к главному меню навигации Перейти к нижнему колонтитулу сайта

Уважаемые пользователи! На нашем хостинге ведутся технические работы, на сайте могут быть ошибки. Приносим свои извинения за временные неудобства.

Вестник КазНПУ имени Абая, Серия «Физико-математические науки»

ПРИМЕНЕНИЕ ТРАНСФЕРА ОБУЧЕНИЯ НЕЙРОННЫХ СЕТЕЙ ДЛЯ КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЙ

Опубликован March 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 КазНПУ имени Абая, Серия «Физико-математические науки». 81, 1 (мар. 2023), 159–169. DOI:https://doi.org/10.51889/2959-5894.2023.81.1.018.