Дослідження моделей нейронної мережі ResNet для класифікації об'єктів на фотографіях

Abstract

Дослідження моделей нейронної мережі ResNet для класифікації об'єктів на фотографіях є актуальним у галузі комп'ютерного зору та обробки зображень. Використання нейронних мереж для класифікації стало широко поширеним, і ResNet є однією зі значних архітектур глибоких нейронних мереж, яка розв'язує проблему зникнення градієнту та дозволяє тренувати глибокі моделі з багатьма шарами. Дослідження моделей ResNet має практичне значення, оскільки може покращити точність та ефективність класифікації зображень. Особливості ResNet, такі як використання зворотних з'єднань, роблять його привабливим для дослідження. Результати дослідження допоможуть впроваджувати ResNet в різних сферах, включаючи медицину, автоматичне розпізнавання образів та інші області, де класифікація об'єктів на фотографіях є важливим завданням. Об'єкт роботи – класифікації літаків за допомогою нейронних мереж. Предмет роботи – нейронні мережі для класифікації літаків на фотографіях. Метою бакалаврської кваліфікаційної роботи є підвищення точності та класифікації об'єктів на фотографіях за рахунок застосування моделей нейронної мережі ResNet. Основними цілями дослідження є вивчення принципів функціонування ResNet, аналіз його особливостей порівняно з іншими архітектурами глибоких нейронних мереж, оцінка його ефективності та точності у класифікації об'єктів на фотографіях. Робота буде включати експериментальну частину з використанням відповідних наборів даних для тренування та тестування ResNet. Отримані результати дослідження сприятимуть зрозумінню можливостей та обмежень ResNet у контексті класифікації зображень, що може мати практичне значення у галузі комп'ютерного зору та штучного інтелекту. Робота складається з фахового розділу і спеціальної частини з охорони праці. Пояснювальна записка складається зі вступу, чотирьох розділів, висновків та додатків. У першому розділі розглядаються технології для класифікації об’єктів на фото, аналіз аналогічних систем та формування завдання на БКР. У другому розділі досліджено основні принципи роботи нейронних мереж, що використовуватимуться в БКР, їх архітектура та алгоритми навчання. У третьому розділі описано процес формування даних для навчання нейромереж, їх обробка та сортування. Також було спроектовано процес створення вебзастосунку для роботи з класифікацією фото. У четвертому розділі наведено результати стврення нейромереж, створення вебзастосунку та їх тестування. В результаті розроблено систему класифікації літаків на фотографіях з використанням нейромережевих техноло гій з точністю близько 94%. Бакалаврська кваліфікаційна робота містить 73 сторінок, 52 рисунок, 24 використаних джерел та 1 додаток. The study of the models of the ResNet neural network for the classification of objects in photographs is relevant in the field of computer vision and image processing. The use of neural networks for classification has become widespread, and ResNet is one of the significant deep neural network architectures that solves the gradient vanishing problem and allows training deep models with many layers. Studying the performance of ResNet is of practical importance because it can improve the accuracy and efficiency of image classification. Features of ResNet, such as the use of backward connections, make it attractive for research. The results of the study will help to implement ResNet in various fields, including medicine, automatic pattern recognition and other areas where the classification of objects in photographs is an important task. The object of the work is the classification of aircraft using neural networks. The subject of the work is neural networks for the classification of aircraft in photographs. The aim of the bachelor's qualification work is to increase the accuracy and classification of objects in photographs due to the use of ResNet neural network models. The main goals of the research are the study of the principles of ResNet functioning, the analysis of its features compared to other architectures of deep neural networks, the evaluation of its efficiency and accuracy in the classification of objects in photographs. The obtained results of the study will contribute to the understanding of ResNet's capabilities and limitations in the context of image classification, which may be of practical importance in the field of computer vision and artificial intelligence. The work consists of a professional section and a special part on labor protection. The explanatory note consists of an introduction, four chapters, conclusions and appendices. In the first section, technologies for classifying objects in the photo, analysis of similar systems and formation of tasks for BW are considered. The second chapter explores the basic principles of neural networks that will be used in BW, their architecture and learning algorithms. The third chapter describes the process of data formation for training neural networks, their processing and sorting. The process of creating a web application for working with photo classification was also designed. The fourth chapter presents the results of creating neural networks, creating a web application and testing them. As a result, a system for classifying airplanes in photographs was developed using neural network technologies with an accuracy of about 94%. Bachelor qualification thesis contains 73 pages, 52 figures, 24 used sources and 1 addition.