Читать онлайн

Рассматриваются способы расширения набора распознаваемых классов объектов для задачи их сегментирования, где необходимо построить маску объекта, а также узнать его класс. Для первой задачи использованы методы, не зависящие от классов предметов и являющиеся наиболее устойчивыми к изменениям формы; для второй задачи проанализированы методы, основанные на итеративном обучении (iterative learning), и методы метрического обучения (metric learning). Второй подход выбран в качестве основного, и для него протестированы различные архитектуры нейронных сетей. Проведена классификация объектов с использованием алгоритма k ближайших соседей. В качестве набора данных для обучения нейронной сети использован набор COIL- 100, а после обученная модель протестирована на собственном наборе данных. Проведенные эксперименты показывают, что используемый метод позволяет обрабатывать 7-8 изображений в секунду на видеокарте GTX 1050 ti с 4 Гбайт видеопамяти с точностью классификации в 99 %

Ключевые фразы: метрическое обучение, итеративное обучение, сегментация, классификация, свёрточные нейронные сети, РОБОТОТЕХНИКА, распознавание изображений
Автор (ы): Ненахов Иван Дмитриевич (Nenahov I. D.), Артемов Кирилл Александрович (Artemov K. A.), СейедХассан Забихифар (SeyedHassan Z.), Семочкин Александр Николаевич (Semochkin A. N.), Колюбин Сергей Алексеевич (Kolyubin S. A.)
Журнал: ИЗВЕСТИЯ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ. ПРИБОРОСТРОЕНИЕ

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Нанотехнология
УДК
004.896. Искусственный интеллект в промышленных системах. Интеллектуальные САПР и АСУ. Интеллектуальные роботы
Для цитирования:
НЕНАХОВ И. Д., АРТЕМОВ К. А., СЕЙЕДХАССАН З., СЕМОЧКИН А. Н., КОЛЮБИН С. А. СЕГМЕНТАЦИЯ ОБЪЕКТОВ С ФУНКЦИЕЙ ДООБУЧЕНИЯ // ИЗВЕСТИЯ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ. ПРИБОРОСТРОЕНИЕ. 2022. Т. 65 № 3
Текстовый фрагмент статьи
Моя история просмотров (8)
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.