Найти

Результаты поиска

• КЛАССИФИКАТОР ИЗОБРАЖЕНИЙ СЕМЯН СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР С ИСПОЛЬЗОВАНИЕМ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ

  В. А. Деркачев , В. В. Бахчевников, А. Н. Бакуменко

  2020-11-22

  Аннотация ▼

  В настоящей статье рассматривается создание архитектуры сверточной нейронной
  сети, классифицирующей изображения сельскохозяйственных культур (в частности пшеницы)
  для последующего применения в оптическом сепараторе семян (фотосепараторе). Интерес к
  проектированию нейронных сетей классификации изображений в последнее время сильно воз-
  рос, что связано как с развитием теории глубоких нейронных сетей, так и возросшей вычисли-
  тельной мощностью настольных компьютеров, а также переносом вычислений на графиче-
  ские процессоры. Целью статьи является разработка архитектуры нейронной сети позволяю-
  щей осуществить разделение входного потока семян пшеницы на два класса: «хорошие» семена
  и «плохие» (с изъянами по форме и цвету) семена. Архитектура полученной нейронной сети
  является сверточной, так как в отличии от полносвязной, данный класс нейронных сетей в
  определенных пределах невосприимчив к изменению масштаба и угла поворота объектов во
  входных данных. В работе для формирования обучающей, валидационной и тестовой выборок
  использовались изображения семян, полученные с использованием бытовой фотокамеры, что
  негативно сказалось на результатах обучения и тестирования нейронной сети относительно
  возможного результата применения в реальном фотосепараторе. Архитектура разработан-
  ной нейронной сети предварительно оптимизирована для использования на ПЛИС, однако, в
  рассмотренном случае не осуществлен переход от значений весовых коэффициентов из типа
  данных с плавающей запятой к целочисленному типу, что может привести к снижению точ-
  ности работы нейронной сети, при этом позволив значительно уменьшить объем ресурсов
  ПЛИС. Применение предложенной архитектуры позволяет получить достаточно точную
  оценку классифицируемых семян пшеницы по верификационным и тестовым наборам данных.

• СОПОСТАВЛЕНИЕ ИЗОБРАЖЕНИЙ ПО ОСОБЫМ ТОЧКАМ РАЗЛИЧНЫХ КАТЕГОРИЙ

  К.И. Морев , А.В. Боженюк

  2020-10-11

  Аннотация ▼

  Работа посвящена экспериментам с различными методами выделения особых точек
  на изображениях с последующим их описанием бинарным дескриптором и сопоставлением
  методом полного перебора. В работе активно используется метод описания окрестно-
  стей особых точек, основанный на построении бинарной строки, характеризующей изме-
  нения яркостей пикселей в описываемой окрестности. Результирующая строка получается
  путем сравнения яркостей пикселей по определенному шаблону. Сегодня использование
  особых точек при работе с изображениями позволяет разрабатывать прикладные мето-
  ды в различных сферах компьютерного зрения с повышенными требованиями ко времени
  работы и устойчивости к резким изменениям сцен. В работе приведены результаты экс-
  периментов с особыми точками различных классов, классификация приводится в разделе 1.
  При проведении экспериментов использовались методы, реализованные в библиотеке
  OpenCV. В работе даны краткие описания используемых в экспериментах методов. В раз-
  деле 1 работы предлагается классификация современных типов особых точек изображе-
  ний и дается краткое описание популярных методов детектирования описываемых типов
  особых точек. В разделе 2 авторы дают общее описание методов работы с особыми точ-
  ками изображений. В разделе 3 приводится описание проводимых экспериментов с сопос-
  тавлением особых точек различных типов, описанных одним дескриптором, и раскрыва-
  ются их результаты. Проведенные эксперименты позволяют выявить сильные и слабые
  стороны связок различных типов особых точек при их сопоставлении.