Baranov M. Comprehensive analysis of few-shot image classification method using triplet loss = Комплексний аналіз техніки навчання на малому наборі даних для задачі класифікації методом оптимізації трійок / M. Baranov, Yu. Shcherbyna // Вісн. Нац. ун-ту "Львів. політехніка". Сер. Інформ. системи та мережі. - 2022. - Вип. 11. - С. 103-109. - Бібліогр.: 7 назв. - англ.Задача класифікації зображень є дуже важливою сучасною проблемою в області комп'ютерного зору. Перші підходи до розв'язання цієї задачі полягали у використанні класичних алгоритмів. Незважаючи на певний прогрес, отриманий, класичними підходами, більшість складніших задач класифікації зображень залишались нерозв'язаними до моменту використання алгоритмів машинного навчання. Перші спроби застосування машинного навчання до задачі розпізнавання зображень допомогли класифікувати набори ознак, які опрацювати прямими алгоритмами не вдавалось. Проте витягування множини ознак залишалося за прямими алгоритмами тривалий час. Нещодавний прогрес у сфері глибокого навчання відкрив можливість побудови систем автоматичного витягування множини ознак. Це надало значний прогрес у області ком'ютерного бачення і не тільки. Обробка великомасштабних наборів даних призвела до прориву у задачах розпізнаванні зображень. Проте нове обмеження з'явилося - залежність від кількості наявних проанотованих даних. Методи глибинного навчання для задачі класифікації зображення зазвичай вимагають великої кількості проанотованих зображень. Більше того, сучасні моделі схильні до неочікуваної поведінки на наборах даних з іншого домену (нових класів у випадку розпізнавання зображень). Методи навчання на малому наборі даних надають можливість при тренуванні глибоких нейронних мереж (НМ) використовувати значно менше даних, зберігаючи таку ж саму точність розпізнавання. Незважаючи на це, залишається компроміс між кількістю наявних даних і точністю моделі. Побудовано сіамську НМ на основі функції втрат трійки. Досліджено як наявна кількість даних впливає на точність розпізнавання сіамської НМ. Порівняно моделі, отримані навчанням на основі метрик і базової моделі, протренованої на великомасштабних наборах даних. Індекс рубрикатора НБУВ: З970.632.4
Рубрики:
Шифр НБУВ: Ж29409:А:ІСМ Пошук видання у каталогах НБУВ
Повний текст Наукова періодика України Додаткова інформація про автора(ів) публікації: (cписок формується автоматично, до списку можуть бути включені персоналії з подібними іменами або однофамільці) ![](/irbis_nbuv/images/info.png) Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"
|