Дослідницьке поле комп'ютерної візуалізації істотно змінилося протягом останніх років, здебільшого завдяки досягненням у сфері глибокого навчання. У цей час глибокі нейронні мережі успішно використовувалися в різних практиках. Зокрема, згорткові нейронні мережі змогли досягти найсучасніших результатів у задачі з розпізнавання зображень, у багатьох випадках перевершуючи людські можливості. Попри значну кількість досліджень, проведених у цій сфері, більшість праць розглядають набір даних, що складаються з досить високоякісних зображень. У реальних додатках, однак, ми часто стикаємося з проблемами, де потрібно робити багато ручної роботи. Основну увагу приділено функціонуванню класифікації патернів зображень. Класифікаційна характеристика є важливою частиною, що вирішує ряд актуальних задач: від створення єдиної інформаційної мови для автоматизованих систем до уніфікації та стандартизації. Мета роботи - визначення оптимального методу розпізнавання зображень для вирішення проблеми автоматизованої побудови конструкційних 3D моделей. Застосовано подвійний підхід до використання нейронних мереж для визначення та класифікації об'єктів із зображення. Подвійний нейромережевий підхід виник зсинтезу алгоритмів, представлених у розглянутих раніше публікаціях. Для тестових цілей сформовано план основи зображення з дев'ятьма типами класифікованих об'єктів. Загальна кількість об'єктів становила 11 тис. Вхідними даними слугував характерний вектор, який містить шість початкових ознак, що описують форму об'єктів. Запропонований підхід з подвійною нейронною мережею використано для розпізнавання та класифікації об'єктів на зображенні. Після процесу контрольованого навчання нейронних мереж, тобто навчання з "вчителем", вони були повністю в змозі визначити об'єкти на зображенні. Висновки: запропонована нейромережа надає змогу визначати і класифікувати кожен елемент. Кожен клас підсвічується певним кольором. Подальше застосування одержаних даних може бути застосовано для побудови 3D моделей з попередньо визначених параметрів для кожного класу. Запропонований спосіб розпізнавання зображень об'єктів і структур вбачається найбільш вигідним. Алгоритм розпізнавання базується на двох двошарових нейронних мережах прямого розподілу, які надають змогу розпізнавати і класифікувати об'єкти різної форми. Як інформативні ознаки об'єктів, на основі яких нейронні мережі здійснюють класифікацію, запропонований спосіб може бути використаний для розпізнавання зображень об'єктів, схожих за формою.

 Наукова періодика України 

---

Додаткова інформація про автора(ів) публікації:
(cписок формується автоматично, до списку можуть бути включені персоналії з подібними іменами або однофамільці)

• Криворучко Олена Володимирівна (технічні науки)
• Криворучко Олена Вікторівна (1967–) (фармацевтичні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"