Поперечнослойное разделение искусственных нейронных сетей для классификации изображений (2024)

В статье рассматриваются задачи модульного обучения искусственных нейронных сетей, а также исследуются возможности частичного использования модулей в условиях ограниченных вычислительных ресурсов. Предлагаемый метод основывается на свойствах
вейвлет-преобразования по разделению информации на высокочастотную и низкочастотную части. Используя наработки по вейвлет-преобразованию на основе сверточного слоя, авторы осуществляют поперечнослойное разделение сети на модули для дальнейшего частичного использования их на устройствах с малой вычислительной мощностью. Теоретическое обоснование такого подхода в статье подкрепляется экспериментальным разделением базы MNIST на 2 и 4 модуля и их последовательным использованием с замером точности и производительности. Выигрыш в производительности составил 2 и более раза при использовании отдельных модулей. Также с помощью AlexNet-подобной сети с использованием набора данных GTSRB проверены предложенные теоретические положения, при этом выигрыш производительности одного модуля составил 33 % без потери точности.

Тип: Статья
Автор (ы): Вершков Николай Анатольевич, Бабенко Михаил Григорьевич, Кучукова Наталья Николаевна, Кучуков Виктор Андреевич, Кучеров Николай Николаевич
Ключевые фразы: вейвлет-преобразование, искусственные нейронные сети, сверточный слой, ортогональные преобразования, модульное обучение, оптимизация нейронных сетей.

Идентификаторы и классификаторы

УДК
004.8. Искусственный интеллект
ГРНТИ
28.23.15. Распознавание образов. Обработка изображений
Префикс DOI
10.18287/2412-6179-CO-1278.
Текстовый фрагмент статьи