Влияние сдвига распределения на точность сегментации объектов с помощью свёрточной нейронной сети

Нейронные сети широко используются для распознавания объектов в задачах компьютерного зрения. Снижение точности распознавания объектов при отклонении статистических параметров тестовой выборки от статистических параметров обучающей выборки известно как явление сдвига распределения. В настоящей работе исследуется влияние сдвига распределения на точность сегментации объектов на цифровых изображениях. Значительная часть существующих работ в данной области имитирует явление сдвига распределения за счет применения специальных эффектов к реальным цифровым изображениям. Такой подход ограничивает набор варьируемых параметров и сокращает возможности исследования сдвига распределения. Особенностью настоящей работы является синтез исходных цифровых изображений объектов простой геометрической формы для оценки влияния сдвига распределения на точность сегментации объектов. Предложенный подход позволяет получить больший контроль над процессом обучения и тестирования нейронной сети и охватить больший набор варьируемых параметров распределения. В качестве изменяемых параметров были выбраны ширина и высота фигуры, угол поворота фигур и всего изображения, цветовые компоненты изображения, накладываемый шум и степень взаимного перекрытия фигур.