Полное описание

Алексеев, П. П. Применение нейронных сетей для распознавания принципиальных условно-графических электрических обозначений / П. П. Алексеев, И. Ю. Квятковская. - Текст : непосредственный // Астраханский государственный технический университет. Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика : научный журнал. - 2021. - N 2. - С. 47-56. - Библиогр. в конце ст. - ISSN 2072-9502.
(Шифр в БД У5085/2021/2)

ГРНТИ	УДК
28.23.37	004.032.26

Рубрики:
Нейронные сети -- Применение

Кл.слова (ненормированные): нейронная сеть -- распознавание -- условно-графические электрические обозначения -- классификатор -- обучающая выборка
Аннотация: Рассматривается вопрос применения искусственных нейронных сетей для распознавания условно-графических обозначений электротехники, в частности, исследуются сверточные нейронные сети и наиболее подходящая для решения поставленной задачи модель распознавания объектов R-CNN. Распознавание образов конкретного изображения является задачей, которая ставится перед сложными системами обработки информации, а также системами управления и принятия решений. Классификация различных технологических, природных объектов, аналоговых и цифровых сигналов формируется повсеместно набором присущих только им признаков и свойств. Определение вида и признаков объекта находит свое применение в различных отраслях науки: машинном обучении, диагностике, метеорологии, системах видеонаблюдения и обеспечения безопасности, в системах виртуальной реальности и поиска по изображению. Однако для решения прикладных задач и достижения необходимых показателей (например, в области распознавания условно-графических обозначений электротехники) исследования не проводились. Отмечается, что среди всех математических моделей и методов распознавания образов наиболее качественными и перспективными являются нейронные сети. Что касается вопроса интерактивности, выходным результатом работы распознавания по изображению является необходимый и достаточный ответ, который не имеет устойчивой работы по классификации объектов в пределах категорий и их инвариантным преобразованиям. Подробно изучена схема работы модели R-CNN, а также обоснованы важность обучающей выборки и ее влияние на качество распознавания образов нейронной сетью. В общем виде показано применение способа "RoI Pooling" для распознавания объектов на изображении, за счет которого выделяется несколько областей интереса, указанных через ограничивающие рамки.
Доп. точки доступа:
Квятковская, И.Ю.


Имеются экземпляры в отделах: всего 2 : ЧЗХР (1), ХРЦ (1)
Свободны: ЧЗХР (1), ХРЦ (1)

Заказать издание
Заказ фрагмента документа ₽