Image recognition by convolutional neural networks with using Keras library
Svitlana V. Bilashenko, Nataliya Shapovalova, Olena H. Rybalchenko · Mining Journal of Kryvyi Rih National University · 2018
УДК 004.032.26:004.93'12С.В.БІЛАШЕНКО, .асистент, Н.Н.ШАПОВАЛОВА, О.Г.РИБАЛЬЧЕНКО, старші викладачі Криворізький національний університет РОЗПІЗНАВАННЯ ЗОБРАЖЕНЬ ЗА ДОПОМОГОЮ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ З ВИКОРИСТАННЯМ БІБЛІОТЕКИ KERAS Мета роботи полягає у дослідженні архітектури глибокої згорткової нейронної мережі для розпізнавання зображень, розробці алгоритму її реалізації.В ході числового експерименту необхідно обґрунтувати підбір оптимальних гіперпараметрів експлуатації моделі: швидкості навчання, кількості шарів у мережі, кількості нейронів у прихованому шарі.Методи.В ході дослідження використано метод аналізу вхідних даних, заснований на властивостях рецептивних полів біологічних нейронів, метод синтезу конвергуючих каскадів, що призводять до повноз'єднаних шарів штучної нейронної мережі, практичний метод використання певної архітектури моделі для розпізнавання зображень, емпіричний метод встановлення оптимальних значень основних гіперпараметрів навчання згорткової нейронної мережі.Наукова новизна.Запропоновано алгоритм реалізації глибокої згорткової нейронної мережі, обґрунтовано вибір навчальної множини, що відповідає критерію достатньої репрезентативності, теоретично і практично обґрунтовано підбір оптимальних гіперпараметрів навчання мережі за критерієм якості експлуатації моделі.Практична значимість виконаної роботи полягає в поліпшенні якості навчання глибоких згорткових нейронних мереж, розробці методики побудови програмної моделі системи розпізнавання зображень з використанням бібліотеки Keras для мови програмування Python 3, яка демонструє процес навчання і розпізнавання, а також дозволяє виконувати дослідження роботи згорткової нейронної мережі.Результати.Розроблено структуру штучної згорткової нейромережі, запропоновано методику побудови моделі вхідних даних та поетапної реалізації каскадів прихованих шарів мережі, алгоритм її навчання, обґрунтовано вибір навчальної вибірки.Запропоновано програмну модель згорткової нейронної мережі розпізнавання зображень на основі методів бібліотеки Keras, реалізованою мовою програмування Python 3, яка дозволила емпірично визначити основні оптимальні параметри навчання моделі такі як швидкість навчання, кількісті шарів у мережі і кількості нейронів у прихованому шарі.