Применение нейронных сетей сиамской архитектуры в задачах классификации продуктов различных категорий на прилавках универсама
Автор: Смирнов А.В., Тищенко И.П.
Журнал: Программные системы: теория и приложения @programmnye-sistemy
Рубрика: Искусственный интеллект и машинное обучение
Статья в выпуске: 2 (61) т.15, 2024 года.
Бесплатный доступ
В настоящей работе представлено исследование на тему применения нейронных сетей сиамской архитектуры в задачах классификации различных продуктов питания на прилавках универсальных магазинов. Сиамские сети - это особый класс нейросетевых архитектур, объединяющий в себе две свёрточные подсети. Его часто используют в задачах сопоставления объектов, поскольку по сравнению с традиционными свёрточными нейронными сетями он не требует большого количества обучающих данных. В ходе работ сгенерирован собственный набор данных, включающий пять различных категорий продуктов. В результате удалось достичь точности в 97.5% при обучении.
Сиамские нейронные сети, набор данных, продукты питания
Короткий адрес: https://sciup.org/143183239
IDR: 143183239 | DOI: 10.25209/2079-3316-2024-15-2-113-137
Список литературы Применение нейронных сетей сиамской архитектуры в задачах классификации продуктов различных категорий на прилавках универсама
- Bromley J., Guyon I., LeCun Y., Säckinger E., Shah R. Signature verification using a "Siamese" time delay neural network // Proceedings of the 6th International Conference on Neural Information Processing Systems, NIPS’93, San Francisco, CA, USA: Morgan Kaufmann Publishers Inc..– 1993.– Pp. 737–744. hUtRtpLs://proceedings.neurips.cc/paper/1993/file/288cc0ff022877bd3df94bc9360b9c5d-Paper.pdf
- Livieris I. E., Pintelas E., Kiriakidou N., Pintelas P. Explainable image similarity: integrating siamese networks and grad-CAM // Journal of Imaging.– 2023.– Vol. 9.– No. 10.– Pp. 224. https://doi.org/10.3390/jimaging9100224
- Valero-Mas J. J., Gallego A. J., Rico-Juan J. R. An overview of ensemble and feature learning in few-shot image classification using siamese networks // Multimedia Tools and Applications.– 2024.– Vol. 83.– No. 7.– Pp. 19929–19952. https://doi.org/10.1007/s11042-023-15607-3
- Понамарёв В. В., Китов В. В., Китов В. А. Учёт иерархии классов при классификации объектов с помощью сиамских нейронных сетей // Прикладная математика и информатика.– 2023.– №73.– С. 38–57. hUtRtpLs://cs.msu.ru/sites/cmc/files/docs/ponamaryov_.pdf
- Byung-Rae C., Binod V. Enhancing human activity recognition with Siamese networks: a comparative study of contrastive and triplet learning approaches // Electronics.– 2024.– Vol. 13.– No. 9.– Pp. 1739. https://doi.org/10.3390/electronics13091739
- Qiqi Z., Sai W., Shun T., Liangbin Y., Kunlun Q., Qingfeng G. RockS2Net: Rock image classification via a spatial localization siamese network // Computers & Geosciences.– March 2024.– Vol. 185.– id. 105560. https://doi.org/10.1016/j.cageo.2024.105560
- Abady L., Wang J., Tondi B., Barni M. A siamese-based verification system for open-set architecture attribution of synthetic images // Pattern Recognition Letters.– April 2024.– Vol. 180.– Pp. 75–81. https://doi.org/10.1016/j.patrec.2024.03.002
- Lingxia L., Ju-Song K., Fanju M., Miao Y. Non-intrusive load identification based on retrainable Siamese network // Sensors.– 2024.– Vol. 24.– No. 8.– Pp. 2562. https://doi.org/10.3390/s24082562
- Contreras J., Mostafapour S., Popp J., Bocklitz T. Siamese networks for clinically relevant bacteria classification based on Raman spectroscopy // Molecules.– 2024.– Vol. 29.– No. 5.– Pp. 1061. https://doi.org/10.3390/molecules29051061
- Zhenzhen Y., Botao H., Zhenghao S., Minghua Z., Shuangli D., Haiqin L., Xinhong H., Xiaoyong R., Yan Y. Vocal cord leukoplakia classification using Siamese network under small samples of white light endoscopy images // Otolaryngology–Head and Neck Surgery.– 2024.– Vol. 170.– No. 4.– Pp. 1099–1108. https://doi.org/10.1002/ohn.591
- Polsinelli M., Li H. B., Mignosi F., Zhang L., Placidi G. Siamese network to assess scanner-related contrast variability in MRI // Image and Vision Computing.– May 2024.– Vol. 145.– id. 104997. https://doi.org/10.1016/j.imavis.2024.104997
- Ranjan P., Girdhar A. Deep Siamese network with handcrafted feature extraction for hyperspectral image classification // Multimedia Tools and Applications.– 2024.– Vol. 83.– No. 1.– Pp. 2501–2526. https://doi.org/10.1007/s11042-023-15444-4
