УДК 004.032.26

ГЛУБОКАЯ НЕЙРОННАЯ СЕТЬ ДЛЯ ОБНАРУЖЕНИЯ ТОЧЕК НА ИЗОБРАЖЕНИЯХ С ИСПОЛЬЗОВАНИЕМ KERAS

Опубликовано в Научно-аналитический журнал "Вестник Санкт-Петербургского университета ГПС МЧС России" · Том 2024, Номер 1 · Страницы 68–78 · Рубрика: ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
DOI: https://doi.org/10.61260/2218-130X-2024-1-68-78
Получено: 10.01.2024 Одобрено: 13.02.2024 Опубликовано: 13.04.2024
Сверточные нейронные сети являются мощным инструментом для обработки и анализа изображений. Они позволяют автоматически извлекать признаки из входных данных и применять их для классификации, детектирования объектов и других задач компьютерного зрения. В статье представлена архитектура сверточных нейронных сетей, разработанная с использованием библиотеки Keras. Проведен анализ архитектуры сверточной нейронной сети, который состоит из нескольких последовательных слоев. Построена структура модели, которая будет обучаться с использованием оптимизатора Adam и мониторить метрики recall и precision в процессе обучения. Представлены результаты экспериментов, которые показали, что обученная модель успешно обнаруживает точки на изображениях, достигая высокой точности и полноты. Предложенная модель может быть использована в различных областях, где требуется обнаружение лицевых точек на фотографиях.
нейронная сеть, компьютерное зрение, анализ изображений, библиотека Keras, точки на изображениях
Текст Список литературы
Текст (PDF)
Читать Скачать

1. Тынченко С.В., Путилин В.О., Овсянникова А.К. Сравнение алгоритмов обнаружения и локализации лица на изображении // Молодой ученый. Красноярск, 2018. С. 105–108.

2. Матричный метод как способ определения антропометрических точек лица / А.И. Ситников [и др.] // Актуальные проблемы деятельности подразделений УИС: материалы Всерос. науч.-практ. конф. Воронеж, 2022. С. 193–194.

3. Мельников Н.А. Некоторые особенности определения антропологических характеристик лица на основе глубокого машинного обучения // Актуальные вопросы эксплуатации систем охраны и защищенных телекоммуникационных систем: материалы Всерос. науч.-практ. конф. Воронеж, 2022. С. 278–280.

4. Толстых А.А., Голубинский А.Н. Распознавание объектов на телевизионных изображениях с использованием аппарата сверточных нейронных сетей // Вестник Воронежского института МВД России: сб. науч. трудов. Воронеж, 2017. № 1. C. 71–81.

5. Гафаров Ф.М., Галимянов А.Ф. Искусственные нейронные сети и приложения: учеб. пособие. Казань: Изд-во Казанского ун-та, 2018. 121 с.

6. Толстых А.А., Голубинский А.Н. Выбор архитектуры искусственной нейронной сети на основе сравнения эффективности методов распознавания изображений // Вестник Воронежского института МВД России: сб. науч. трудов. Воронеж, 2018. № 1. C. 27–37.

7. Бутырский Е.Ю., Матвеев А.В. Математическое моделирование систем и процессов. СПб.: Информ. изд. учеб.-науч. центр «Стратегия будущего», 2022. 733 с. DOI:https://doi.org/10.37468/book_011222. EDN CCRIRT.

8. Толстых А.А., Голубинский А.Н. Сравнение эффективности методов изменения скорости обучения искусственных нейронных сетей в различных задачах классификации // Международный научно-исследовательский журнал: сб. науч. трудов. 2022. № 7–1 (121). C. 102–106.

9. Редькин В.С., Ситников А.И. Использование методов распознавания образов при видео фиксации для повышения безопасности объектов // Актуальные проблемы деятельности подразделений УИС: материалы Всерос. науч.-практ. конф. Воронеж, 2021. С. 233–234.

10. Ярышев С.Н., Рыжова В.А. Технологии глубокого обучения и нейронных сетей в задачах видеоанализа. СПб.: Ун-т ИТМО, 2022. 82 с.

11. Мельников Н.А., Ситников В.А., Никитенко В.А. Строение сверточной нейронной сети для определения контрольных точек лица человека // Технологии информационного общества: сб. трудов XVII Междунар. отрасл. науч.-техн. конф. М., 2023. С. 127–128.

Войти или Создать
* Забыли пароль?