Tasvirlarni tanib olish masalalarida neyron tarmoq modellari va algoritmlari

Chuqur e'tiqod tarmoqlari (DBNs): DBN - bu kirish ma'lumotlaridan xususiyatlar ierarxiyasini avtomatik ravishda o'rganish uchun mo'ljallangan neyron tarmoq turi. DBNlar odatda nazoratsiz o'rganish algoritmining bir turi bo'lgan Cheklangan Boltzmann Mashinalarining (RBMs) bir nechta qatlamlaridan iborat. RBMlar kirish ma'lumotlaridan xususiyatlarni ajratib olishni o'rganadilar va bitta RBMning chiqishi ierarxiyadagi keyingi RBMga kirish sifatida beriladi. DBN ning oxirgi qatlami odatda nazorat qilinadigan o'rganish algoritmidir, masalan, softmax tasniflagichi.

Takroriy neyron tarmoqlari (RNN): RNN - bu videolar yoki vaqt seriyasidagi ma'lumotlar kabi ketma-ket ma'lumotlar uchun juda mos keladigan neyron tarmoq turi. RNNlar o'tmishdagi kirishlar xotirasini saqlash uchun qayta aloqa zanjiridan foydalanadi, bu ularga ma'lumotlardagi vaqtinchalik bog'liqliklarni olish imkonini beradi. RNNlar videoni aniqlash va nutqni aniqlash kabi vazifalarga muvaffaqiyatli qo'llanildi.

Generativ raqib tarmoqlari (GANs): GANlar tasodifiy shovqinlardan haqiqiy tasvirlarni yaratish uchun mo'ljallangan neyron tarmoq turidir. GANlar ikkita neyron tarmoqdan iborat: generator tarmog'i va diskriminator tarmog'i. Jeneratör tarmog'i tasodifiy shovqindan tasvirlarni yaratadi va diskriminator tarmog'i haqiqiy va soxta tasvirlarni ajratishga harakat qiladi. Ikkala tarmoq parallel ravishda o'qitiladi, generator tarmog'i diskriminator tarmog'ini aldaydigan tasvirlarni yaratishga harakat qiladi va diskriminator tarmog'i haqiqiy va soxta tasvirlarni to'g'ri tasniflashga harakat qiladi.

Yo'qolib borayotgan gradientlar: Chuqur neyron tarmoqlar ko'p qatlamlarga ega va orqaga tarqalish paytida gradientlar juda kichik bo'lib qolishi mumkin, bu esa tarmoqni o'rganishni qiyinlashtirishi mumkin. Buni yo'qolib borayotgan gradient muammosini yumshatishga yordam beradigan faollashtirish funktsiyalari, masalan, rektifikatsiyalangan chiziqli birlik (ReLU) faollashtirish funksiyasi yordamida hal qilish mumkin.

Haddan tashqari moslashish: Chuqur neyron tarmoqlar juda moslashuvchan va agar to'g'ri tartibga solinmasa, o'quv ma'lumotlarini osongina to'ldirishi mumkin. Ortiqcha moslashishning oldini olish uchun maktabni tashlab ketish va vaznni pasaytirish kabi tartibga solish usullaridan foydalanish mumkin.

Hisoblash resurslari: Chuqur neyron tarmoqlar o'qitish uchun katta miqdordagi hisoblash resurslarini talab qiladi, ayniqsa tarmoq juda katta bo'lsa. Buni grafik ishlov berish birliklari (GPU) yoki tenzor ishlov berish birliklari (TPU) kabi maxsus apparat vositalaridan foydalanish orqali hal qilish mumkin.

Ma'lumotlar sifati: Tarmoqni o'qitish uchun foydalaniladigan ma'lumotlarning sifati tarmoqning ishlashiga sezilarli ta'sir ko'rsatishi mumkin. Agar ma'lumotlar shovqinli bo'lsa yoki o'z ichiga o'zgarib turadigan bo'lsa, bu tarmoqni o'rganishni qiyinlashtirishi mumkin.

Giperparametrlarni sozlash: Chuqur neyron tarmoqlarda o'rganish tezligi, qatlamlar soni va har bir qatlamdagi neyronlar soni kabi sozlanishi kerak bo'lgan bir nechta giperparametrlar mavjud. Ushbu giperparametrlar uchun optimal qiymatlarni topish ko'p vaqt talab qiladigan jarayon bo'lishi mumkin.

Ma'lumotlar to'plami hajmi: Chuqur neyron tarmoqlar samarali o'qitish uchun katta ma'lumotlar to'plamini talab qiladi. Agar ma'lumotlar to'plami juda kichik bo'lsa, tarmoq yangi misollarni yaxshi umumlashtira olmasligi mumkin.

Ushbu qiyinchiliklarni bartaraf etish uchun tarmoq arxitekturasini diqqat bilan loyihalash, tegishli faollashtirish funktsiyalari va tartibga solish usullaridan foydalanish, o'qitish uchun yuqori sifatli ma'lumotlardan foydalanish va optimal ishlashga erishish uchun giperparametrlarni ehtiyotkorlik bilan sozlash muhimdir. Bundan tashqari, o'quv jarayonini kuzatib borish va ma'lumotlarning ortiqcha yoki to'liq mos kelmasligi uchun kerak bo'lganda giperparametrlarni sozlash muhimdir.

Tasvirni aniqlashda neyron tarmoq algoritmlari

So'nggi yillarda konvolyutsion neyron tarmoqlar (CNN) va chuqur o'rganish usullari muvaffaqiyati tufayli tasvirni tanib olish tez sur'atlar bilan rivojlandi. CNN-lar mavhumlikning bir nechta qatlamlarida murakkab vizual xususiyatlarni avtomatik ravishda o'rganish qobiliyati bilan tasvirni aniqlash sohasida inqilob qildi. Rasmni aniqlash uchun eng mashhur CNN arxitekturalaridan ba'zilari AlexNet, VGGNet, GoogLeNet, ResNet va DenseNet hisoblanadi.

CNN murakkab modellarni o'rgatish va yaxshi ishlashga erishish uchun katta hajmdagi etiketli tasvir ma'lumotlarini talab qiladi. Transfer o'rganish usullari bu muammoni hal qilishga yordam berdi, birinchi navbatda CNN-larni ImageNet kabi katta ma'lumotlar to'plamlarida oldindan o'qitish, keyin o'rganilgan bilimlarni kichikroq ma'lumotlar to'plamlariga o'tkazish. Ma'lumotlarni ko'paytirish, shuningdek, tasodifiy kesish, aylantirish, masshtablash, aylantirish va boshqalar kabi usullar orqali o'quv ma'lumotlari miqdorini oshiradi.

Takroriy neyron tarmoqlari (RNN), ayniqsa Uzoq qisqa muddatli xotira (LSTM) birliklari bilan, video harakatni aniqlash kabi ketma-ket tasvir ma'lumotlarida eng zamonaviy natijalarga erishdi. RNNlar vaqtinchalik o'lchamdagi ma'lumotlarni olishlari va videodagi kadrlar orasidagi uzoq muddatli bog'liqlikni o'rganishlari mumkin. Ular harakatlarni tasniflash, video tavsiflarini yaratish, video savollarga javob berish, video taglavhalar va boshqalar uchun ishlatiladi.

Generativ raqib tarmoqlari yoki GANlar tasvirni aniqlash uchun ishlatiladigan neyron tarmoqlarning yana bir sinfidir. GANlar ikkita neyron tarmoqni bir-biriga qarama-qarshi qo'yadi va haqiqiy va yaratilgan tasvirlar o'rtasidagi farqni o'rganish orqali fotorealistik tasvirlarni yaratadi. Ular tasvir yaratish, tasvirni tahrirlash, fotosuratlarni yaxshilash, domenni moslashtirish va tasvirni tasvirga tarjima qilish uchun ishlatiladi.

Misol: Itlar va mushuklar tasvirlarini tasniflash uchun biz CNN ko'p toifali tasnifidan foydalanishimiz mumkin:

"It" yoki "mushuk" deb nomlangan rasmlarning katta ma'lumotlar to'plamini to'plang. Bu CNNni o'qitish uchun ishlatiladi.

ResNet-50 yoki InceptionV3 kabi oldindan tayyorlangan CNN arxitekturasini tanlang va oxirgi qatlamni ikkita sinf uchun ikkita tugunga ega bo'lish uchun o'zgartiring.

Ma'lumotlar to'plamini kengaytirish va og'irliklarni ishga tushirish uchun o'rganishni uzatish uchun ma'lumotlarni ko'paytirishni qo'llang.

Orqaga tarqalish va Adam kabi optimallashtiruvchi yordamida CNNni kengaytirilgan ma'lumotlar to'plamiga o'rgating.

Yangi tasvirlar bo'yicha bashorat qiling va model ishlashini tasdiqlash uchun aniqlikni baholang.

CNN it va mushuklarni qanday aniqlashni o'rganishi haqida tushunchaga ega bo'lish uchun oxirgi qatlamlardagi filtrlar va og'irliklarni tasavvur qiling.

• Ob'ektni aniqlash: Tasvirlar yoki videolardagi ob'ektlarni joylashtirish va tasniflash. Bu avtonom tizimlar va robototexnika uchun juda muhimdir. SSD, Faster R-CNN, RetinaNet va YOLO kabi CNN-ga asoslangan modellar odatda qo'llaniladi. Bular turli xil sinflar, sinflar va shakllardagi ob'ektlarni turli joylarda va masshtablarda aniqlaydi.

• Semantik segmentatsiya: Tasvir yoki video ramkadagi har bir pikselga sinf yorlig'ini belgilash. Bu kirish muhitida turli sinflarning fazoviy taqsimotini ifodalovchi piksel bo'yicha tasnifga olib keladi. Semantik segmentatsiya uchun CNN va FCN (To'liq konvolyutsion tarmoqlar) ga asoslangan modellar qo'llaniladi. Ilovalarga avtonom haydash, tibbiy tasvir tahlili, yuz segmentatsiyasi va boshqalar kiradi.

• Namuna segmentatsiyasi: Tasvirlardagi misollar yoki obyektlarni aniqlash va chegaralar bilan bir xil misolga tegishli piksellarni guruhlash. Bu oddiy ob'ektni aniqlashning ustiga ob'ekt chegaralari va maskalarni qo'shadi. Mask R-CNN Faster R-CNN takliflaridan hamda misol segmentatsiyasi uchun piksel darajasidagi maskalashdan foydalanadi. Ilovalarga tasvirni tahrirlash, robototexnika, moda segmentatsiyasi va boshqalar kiradi.

• Yuzni tanish: fotosuratlar, videolar yoki tasvirlar ma'lumotlar bazalarida inson yuzlarini aniqlash. Neyron tarmoqlar identifikatsiyani aniqlash uchun kiritilgan tasvirdan olingan yuz xususiyatlariga saqlangan yozuvlar bilan mos keladi. CNN, 3D modellar, LSTMlar va kengaytirilgan xotira tarmoqlaridan foydalaniladi. Foydalanish holatlariga yuz belgilarini belgilash, kirishni boshqarish, jinoyatni aniqlash, hissiyotlarni tahlil qilish, demografik tahlil va boshqalar kiradi.

• Rasm taglavhalari: Tasvirlar yoki videolar uchun inson o‘qiy oladigan taglavhalar yoki tavsiflarni yaratish. Tizim vizual tarkibni va kirishdagi ob'ektlar orasidagi munosabatlarni tushunadi va uni tabiiy tildagi jumlalarga tarjima qiladi. CNN-LSTM kabi neyron tarmoqlar ishlatiladi. Ilovalar tarkibini yaratish, ko'rish qobiliyati zaiflarga yordam berish, ta'lim dasturlari va boshqalarni o'z ichiga oladi.

• Tasvirni qidirish: Vizual tarkibga asoslangan rasmlarning katta to'plamlarini qidirish va indekslash va o'xshash tasvirlarni topish. CNN orqali xususiyatlarni chiqarish rasmlarni semantik aloqalarni saqlaydigan o'rnatishlarga joylashtiradi. Keyinchalik, bu o'rnatishlar eng yaqin qo'shni texnikasi yoki siz turiga qarab qidirish usuli yordamida qidiriladi. Foydalanish holatlariga elektron tijorat tavsiyalari, plagiatni aniqlash, tibbiy diagnostika va boshqalar kiradi.

• Tasvirni tasvirga tarjima qilish: Tasvirni bir uslubdan boshqasiga tarjima qilish yoki fotografik uslub, anime uslubi, fasl, yorug‘lik sharoiti va boshqalar kabi atributlarni o‘zgartirish. GANlar diskriminatorga qarshi istalgan uslubga mos tasvirlarni yaratishni o‘rganadigan generator tarmog‘ini o‘rnatadi. bu chiqishni haqiqiy yoki ishlab chiqarilgan deb tasniflaydi. Tarjimalar Van Gog uslubidagi fotosurat, qishdan yozgacha, ko'cha sahnalari uchun teglar, vizualizatsiya uchun segmentatsiyalar va boshqalarni o'z ichiga oladi.

FOYDALANILGAN ADABIYOTLAR

Н. Х. Авлиякулов. Пeдагогичeская тeхнология. — Ташкeнт, 2009.

K. Ismanova. Amaliy dars mashg‘ulotlarini innovatsion usullar yordamida tashkil etish. — Ta’lim muammolari jurnali. 2-son, 2012-yil.

О. С. Абдуллаeва. Повышeниe эффeктивности процeсса подготовки к пeдагогичeской дeятeльности студeнтов вуза. — Журнал «Молодой учeный». №10, 2013 г.