Сибирский федеральный университет

Перевод названия: TECHNOLOGY OF PROCESSING DIGITAL IMAGES IN POLYGRAPHIC INDUSTRY WITH THE USE OF CONVENTIONAL NEURAL NETWORKS

Тип публикации: статья из журнала

Год издания: 2017

Ключевые слова: сверточная нейронная сеть, алгоритм обратного распространения ошибки, человеко-машинное взаимодействие, семантическая сегментация, информационная система, convolutional neural network, back propagation algorithm, human-computer interaction, Semantic segmentation, information system

Аннотация: Использование специализированных автоматизированных систем обработки изображений значительно повышает качество производимой продукции и скорость исполнения заказов в полиграфической отрасли. В настоящее время существуют алгоритмы, способные классифицировать данные и распознавать объекты на изображениях. Большинство существующих алгоритмов используют машинное обучение. В полиграфических приложениях данный метод находит применение для автоматизации процесса сегментации изображений, что особенно актуально при больших объемах данных и сложности ручной сегментации самих данных. В данной статье представлена технология обработки изображений с применением сверточной нейронной сети архитектуры SegNet, обученной на размеченной ручным способом выборке, включающей в себя два класса - объект (человек) и фон. В данной архитектуре сверточной сети отсутствует полносвязный слой, что в несколько раз уменьшает количество параметров сети. В процессе работы с моделью экспериментально был выбран наилучший оптимизатор для обучения целевой функции. The use of specialized automated image processing systems significantly improves the quality of manufactured products and order performance in the polygraphic industry. At present, there are algorithms that can classify data and recognize objects in the images. Most of the existing algorithms use machine learning. In the printing applications, this method is used to automate the image segmentation process that is especially essential for large data volumes and complexity of the manual data segmentation. This article describes the image processing technology using the convolutional neural network architecture SegNet, trained on manually tagged dataset that includes two classes - the object (person) and the background. This convolutional network architecture does not have the fully connected layer that reduces the number of network parameters by several times. In the process of work with the model, the best optimizer was experimentally chosen for learning the objective function.

Журнал: Информатизация и связь

Выпуск журнала: № 4

Номера страниц: 65-70

ISSN журнала: 20788320

Место издания: Москва

Издатель: Автономная некоммерческая организация "Редакция журнала "Информатизация и связь"

• Доррер Георгий Алексеевич (Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева)
• Корюкин М.С. (Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева)

• РИНЦ (eLIBRARY.RU)
• Список ВАК