Objektu atpazīšana attēlos ar mākslīgajiem neironu tīkliem, izmantojot vāji pārraudzīto mācīšanās metodi

Abstract

Šajā darbā tiek apskatīti konvolūciju neironu tīkli, kas tiek apmācīti ar vāji pārraudzīto mācīšanās metodi. Darba mērķis ir izstrādāt neironu tīkla struktūru, ko būtu iespējams apmācīt ar attēliem, kuri tiek aprakstīti, norādot sarakstu ar objektiem attēlā, taču nenorādot šo objektu atrašanās vietu. Darbā ir apskatīti neironu tīklu pamatprincipi un to attīstības vēsture. Īpaši detalizēti tika apskatīts konvolūciju neironu tīklu darbības princips, kā arī tika definētas vairākas vadlīnijas neironu tīklu struktūras definēšanai. Tika izstrādāts un veiksmīgi apmācīts konvolūciju neironu tīkls, kā arī uz šī konvolūciju tīkla bāzes izstrādāts neironu tīkla prototips, kas ir paredzēts vāji pārraudzītas mācīšanās metodei.

In this work the convolutional neural networks that are trained using weakly supervised learning method are being studied. The aim of this work is to develop a neural network structure, which would make it possible to train it with the images, which are described with a list of the objects in the picture, but without defining the object location. It this work the basic principles of neuronal networks and their history are observed. In particular, convolutional neural networks were studied, as well as the neural network structure development guidelines were defined. Convolutional neuronal network was developed and successfully trained, as well as on the convolution network base was developed neuronal network prototype suitable for weakly supervised learning method.