Исследование моделей и алгоритмов обучения свёрточных сетей для распознавания изображений

Abstract

Целью данной выпускной квалификационной работы бакалавра является изучение возможностей моделей сверточных нейронных сетей решать задачу распознавания объектов на изображениях. Целью данной работы является поиск оптимальных архитектуры и параметров нейронной сети для обеспечения наименьшей погрешности распознавания. Задача также предполагает проектирование, обучение и тестирование полученной сети. В рамках выпускной квалификационной работы было проведено исследование зависимости точности распознавания набора изображений свёрточной сети от алгоритма оптимизации, количества эпох обучения, величины батча и dropout. Система реализована на языке Python с помощью среды разработки JetBrains PyCharm 2021.3. При реализации использовались библиотеки машинного обучения Tensorflow и Keras. Сеть обучалась на наборах данных MNIST и CIFAR-10.