Интеграция сверточной нейронной сети в систему распознавания образов
Автор: Ульянов Сергей Викторович, Решетников Андрей Геннадьевич, Кошелев Кирилл Викторович
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Статья в выпуске: 2, 2017 года.
Бесплатный доступ
В данной статье приводится краткое описание архитектуры сверточных нейронных сетей. Описываются преимущества нейросетевого подхода к распознаванию образов. В работе представлено описание процесса интеграции сверточной нейронной сети в систему распознавания образов. В качестве результата представлен программный модуль распознавания на основе сверточной нейронной сети, продемонстрировано повышение качества распознавания при использовании нейросетевого подхода.
Распознавание образов, сверточные нейронные сети, обучение с учителем операция свертки, классификация
Короткий адрес: https://sciup.org/14123271
IDR: 14123271
Список литературы Интеграция сверточной нейронной сети в систему распознавания образов
- Ackley, D. H. A learning algorithm for Boltzmann machines / D. H. Ackley, G. E. Hinton, T. J. Sejnowski // Cognitive Science. - 1985. - Vol. 9. - Pp. 147-169.
- Bengio, Y. Learning deep architectures for AI / Y. Bengio // Foundations and Trends in Machine Learning. - 2009. - Vol. 2. - Issue 1. - Pp. 1-127.
- Ciresan, D. Multicolumn Deep Neural Networks for Image Classification / D. Ciresan, U. Meier, J. Schmidhuber // In Proceedings of the 2012 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), CVPR '12. - Washington, DC, USA, 2012. IEEE ComputerSociety. - Pp.3642-3649.
- Ranzato, M. Unsupervised learning of invariant feature hierarchies with applications to object recognition / M. Ranzato, F. Huang, Y. Boureau, Y. LeCun // in Proceedings of the Computer Vision and Pattern Recognition Conference (CVPR'07), IEEE Press, 2007.
- Ranzato, M. A. What is the best multi-stage architecture for object recognition? [Text] / M. A. Ranzato, K. Jarrett, K. Kavukcuoglu, Y. LeCun// In ICCV, 2009.
