Распознавание изменения размера и цвета изображения на основе сверточной нейронной сети
Journal Title: Бионика интеллекта - Year 2018, Vol 2, Issue 91
Abstract
В статье рассмотрено применение сверточной нейронной сети Mask R-CNN для распознавания изменения размера и цвета изображения. Применение данной сети оправдано тем, что в отличие от других типов сверточных нейронных сетей данная сеть предназначена для не только для обнаружения всех объектов указанных классов и определения охватывающей рамки для каждого из них, но и для определения пикселей, принадлежащих каждому объекту каждого класса по отдельности. Описана архитектура этой сети. Предложена модификация алгоритма обучения многослойного персептрона, входящего в состав Mask R-CNN, представляющая собой матричные варианты процедуры Качмажа (Уидроу-Хоффа). Вследствие наличия ограниченных помех предлагается использовать в алгоритме зону нечувствительности, для которой приведены процедуры настройки. Проведено экспериментальное исследование эффективности работы сети в задаче распознавания заболевания кожи – меланомы. В качестве обучающей выборки использовался набор фотографий из конкурса «ISIC 2016: Skin Lesion Analysis Towards Melanoma Detection». Полученные результаты свидетельствуют об эффективности развиваемого подхода. The article describes the use of the Mask R-CNN convolutional neural network for recognition of changes in image size and color. The use of this network is justified by the fact that, unlike other types of convolutional neural networks, this network is designed not only to detect all objects of the indicated classes and determine the covering frame for each of them, but also to determine the pixels belonging to each object of each class separately. The architecture of this network is described. A modification of the learning algorithm of the multilayer perceptron, which is part of the Mask R-CNN, is a matrix version of the Kacmage (Widrow-Hoff) procedure. Due to the presence of limited interference, it is proposed to use the dead zone in the algorithm, for which tuning procedures are given. An experimental study of the effectiveness of the network in the task of recognizing skin disease - melanoma was conducted. A set of photographs from the competition “ISIC 2016: Skin Lesion Analysis Towards Melanoma Detection” was used as a training sample. The obtained results testify to the effectiveness of the developed approach.
Authors and Affiliations
Н. Г. Аксак, А. А. Бессонов, І. В. Новосельцев, О. Г. Руденко
Keywords
Related Articles
- EP ID EP588752
- DOI -
- Views 131
- Downloads 0
Составление расписания спортивных тренировок с помощью генетических алгоритмов
Статья посвящена разработке программного обеспечения на основе генетических алгоритмов (ГА), которое осуществляет планирование теннисных тренировок с участием игроков различного пола, возраста и опыта. Выбор ГА обусловле...
Розробка математичної моделі задачі планування витрат для системи керування власним бюджетом
Запропоновано математичну модель задачі планування витрат для розширення функціоналу систем керування бюджетом. Математична модель, що врахує витрати, поточні та можливі прибутки людини, дозволить знайти найкращий план д...
Deep Neo-fuzzy Neural Network and its Learning
Optimizing the learning speed of deep neural networks is an extremely important issue. Modern approaches focus on the use of neural networks based on the Rosenblatt perceptron. But the results obtained are not satisfacto...
Neural Network Approach for Emotional Recognition in Text
The article is devoted to one of the most popular trends in the field of IT today - natural language processing, in particular, the extraction of emotions from the text using the neural network approach. The main task wa...
Математичне моделювання системи «дьоготь — полімер — наповнювач» за допомогою системи комп’ютерної алгебри Maple
Проведено математичне й комп’ютерне дослідження і оптимізацію системи «середовище, що модифікується (кам’яновугільний дьоготь), – полімер (відходи виробництва полівінілхлориду – відсів) – активний дисперсний наповнювач (...