Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
1 результатів
Результати пошуку
Документ Ансамбль дрібних згорткових нейронних мереж для класифікації статі людини у відеопотоці(Національний технічний університет "Харківський політехнічний інститут", 2019) Гороховатський, Олексій Володимирович; Передрій, Олена ОлегівнаПредметом досліджень є нейромережеві моделі класифікаціїстаті особи назображенні обличчя при обробці відеопотоку. Метою є дослідження ефективності окремих дрібних згорткових мереж та ансамблів, що створені з них, для вирішення задачі класифікації статілюдиниу відеопотоці, що обробляється як послідовність окремих фреймів. Завданнями є розробка математичних моделей обробки послідовностей фреймів із накопичуванням за різними стратегіями, дослідження їх ефективності при вирішення задачі класифікації, компіляція ансамблів дрібних згорткових нейронних мереж. Застосовуваними методами є: моделі нейронних мереж, інтелектуальний аналіз даних, математична статистика, функціональний аналіз, комп'ютерне моделювання. Отримані результати: показано, що точність класифікації може бути підвищена як за рахунок використання різних моделей голосування результатів окремих фреймів, так і за рахунок використання ансамблів неглибоких загорткових нейронних мереж. Незначні апаратні та програмні ресурси, необхідні для їх навчання та використання, дають можливість підвищити швидкість класифікації в декілька разів порівняно із результатами класифікації нейронними мережами, що мають складнішу архітектуру. Висновки. Наукова новизна полягає у створенні ансамблів неглибоких нейронних мереж, загальне рішення в яких приймається після узагальнення різними методами голосування з довірою як результатів класифікації окремих фреймів, так і результатів класифікації одного і того ж фрейму різними мережами, що дає можливість підвищити надійність та швидкість класифікації. Практична значущість роботи полягає у створенні метода, що дає можливість зберегти прийнятний рівень точності класифікації та значно пришвидшити процес класифікації за рахунок використання неглибоких архітектур нейронних мереж.