Полное описание
> Данг, Т. Ф. Т. Применение сверточной нейронной сети для распознавания фруктов / Т. Ф. Т. Данг, А. В. Юрченко, В. Т. Динь, Д. А. Ляшенко, Т. К. Нгуен. - Текст : непосредственный // Соврем. наукоем. технологии : журнал. - 2021. - N 7. - С. 24-29. - Библиогр. в конце ст. - ISSN 1812-7320.
ГРНТИ | УДК | |
28.23.37 | 004.032.26 |
Рубрики:
Нейронные сети -- Применение -- Съезды и конференции
Машинное обучение
Кл.слова (ненормированные): компьютерное зрение -- машинное обучение -- нейронные сети -- сверточные нейронные сети -- распознавание фруктов -- набор данных fruits 360
Аннотация: В этой статье обсуждается использование глубокого обучения для распознавания фруктов и его применение. В начале описываются особенности глубинного обучения и подробно характеризуется структура популярных архитектур глубоких нейронных сетей, а также подходы к обучению нейросетевой модели. Далее анализируется потенциал использования глубокого обучения в качестве продвинутого инструмента интеллектуального анализа данных. В ходе работы были рассмотрены некоторые современные подходы к решению задачи распознавания фруктов по их изображению и было дано подробное описание работы сверточной нейронной сети и архитектурного метода EfficientNet, используемого для распознавания фруктов с использованием набора данных Fruit360. Результаты показали, что предложенная модель достигает точности 95 %. Конечной целью проведенного исследования была разработка автоматизированных технических решений для повышения точности распознавания фруктов по их изображениям. Представленная в данной работе система также направлена на повышение эффективности и простоты процесса расчета цен на товары в торговом центре. Ключевым нововведением в проделанном исследовании являются алгоритмы распознавания на изображениях фруктов на основе глубокого обучения. Насколько нам известно, результаты данного исследования превзошли результаты, представленные в других работах, также основанных на использовании описанного выше набора данных. Проведенные в этом исследовании эксперименты показали, что предложенный подход является перспективным решением проблемы распознавания пищевых изображений. Описанная в данной статье работа включает в себя дальнейшее улучшение производительности алгоритмов и интеграцию их в систему реального мира.
Доп. точки доступа:
Юрченко, А.В.
Динь, В. Т.
Ляшенко, Д. А.
Нгуен, Т. К.
>
Имеются экземпляры в отделах: всего 1 : ЧЗХР (1)
Свободны: ЧЗХР (1)
Заказаны экз-ры для отделов: ХРЦ
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -291260-290700)>
Шифр в сводном ЭК: 18e19a775144bda950f03855d857bfa3
Заказ фрагмента документа ₽