ВСТУП
Терміном " комп’ютерний зір " називають системи штучного інтелекту , які отримують інформацію у вигляді зображень , а також теорію та технології створення таких систем .
До завдань комп’ютерного зору належать розпізнавання об’єктів , класифікація об’єктів , пошук зображень за вмістом , опис сцени та відновлення зображень .
Класифікація зображень належить до найбільш вивчених завдань комп’ютерного зору , вона визначає приналежність зображення до одного чи кількох класів .
Таке завдання є надзвичайно простим для людини , проте під час використання комп’ютерної системи виникають практично невирішувані проблеми .
По-перше , для досить загальних класів неможливо описати чітку систему візуальних ознак , котрі відрізняють один клас від іншого .
По-друге , зображення у пам’яті комп’ютера зберігають у вигляді трьох матриць окремо для кожного каналу ( червоного , зеленого та синього ) , такий формат ускладнює виявлення простих ознак , таких як межі об’єктів [ 2 ] .
Зі середини минулого століття для виконання завдань комп’ютерного зору використовують методи машинного навчання .
Нейронні мережі є прикладом таких моделей , вони здатні виявляти в даних закономірності , котрі не були наперед запрограмовані людьми та навіть непомітні для людського ока .
Хоч ідея математичних моделей , що імітують структуру людського мозку та здатні до навчання , виникла більше ніж п’ятдесят років тому , широке їх використання стало можливим лише в останнє десятиліття .
Це зумовлено і розробкою ефективних алгоритмів тренування [ 2 , 6 ] , і розвитком апаратного і програмного забезпечення для паралельних обчислень [ 1 , 8 , 9 ] .
Традиційно , щоб порівняти різні підходи до завдання класифікації використовують результати ILSVRC .
Щороку у цьому змаганні беруть участь команди з передових дослідницьких центрів з усього світу .
Одне із завдань полягає у розробці моделі , що здатна якнайточніше віднести зображення до однієї з більш ніж тисячі категорій .
У 2015 році перемогу здобула команда з дослідницької групи компанії " Microsoft " із результатом 96 . 43 % [ 3 ] при виборі п’яти найімовірніших класів , цей результат перевершує результати спеціально навчених людей на тих самих зображеннях .
Науковці розробили інноваційний підхід до архітектур дуже глибоких нейронних мереж , котрий використано в цій роботі .
Перший розділ роботи описує базові поняття глибокого навчання , його математичну основу та приклади архітектур сучасних нейронних мереж .
Попри простоту й елегантність ідеї нейронних мереж , їхні розробка та використання на практиці потребують значних зусиль і досвіду , тренування мережі є надзвичайно обчислювально складним та вимагає використання спеціального апаратного забезпечення .
Надати базові примітиви та полегшити взаємодію зі спеціальними процесорами покликані фреймворки для глибокого навчання , наприклад , TensorFlow від компанії Google .
Основи роботи TensorFlow описано в другому розділі .
У третьому розділі подані результати розробки системи класифікації зображень на прикладі класифікації одягу .
Це завдання може мати значне прикладне застосування для виробників та роздрібних продавців одягу , бо надає додаткову інформацію про клієнтів , що в поєднанні з іншими даними є цінним матеріалом для маркетингових досліджень .
Визначення завдання розглянути основні теоретичні принципи побудови сучасних глибоких нейронних мереж та типові варіанти їхньої архітектури , описати підходи , використані в популярних фреймворках для глибокого навчання на прикладі TensorFlow , реалізувати на практиці систему візуальної класифікації одягу
