Практическое применение искусственных нейронных сетей в обработке графической информации
Отправьте статью сегодня! Журнал выйдет 7 августа, печатный экземпляр отправим 11 августа.

Практическое применение искусственных нейронных сетей в обработке графической информации

Поделиться в социальных сетях
1067 просмотров
Библиографическое описание

Шаповалова, А. В. Практическое применение искусственных нейронных сетей в обработке графической информации / А. В. Шаповалова. — Текст : непосредственный // Молодой ученый. — 2017. — № 10 (144). — С. 41-43. — URL: https://moluch.ru/archive/144/40386/ (дата обращения: 29.07.2021).



Ключевые слова: искусственные нейронные сети, применение, графическая информация

Прежде чем начать рассматривать практическое применение искусственных нейронных сетей, следует дать определение самой ИНС:

Искусственная нейронная сеть (ИНС) — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма [1].

ИНС способны решать задачи, которые относятся к машинному обучению, а именно: классификация, регрессия, кластеризация. Также ИНС можно применять в задачах обучения с подкреплением.

Области применения ИНС различаются в зависимости от типа данных, с которыми она работает (рис.1).

Рис. 1. Классификация ИНС по типу обрабатываемых данных

На сегодняшний день ИНС находят своё применение практически в любой сфере, так что мы рассмотрим лишь те ИНС, которые имеют дело с графической информацией. К таким ИНС относятся [2]:

1) ИНС, занимающиеся идентификацией объекта на изображении. Это может быть кошка, рукописный текст, лицо и т. д. Такие ИНС могут применяться в различных областях, где необходимо определить объект, представленный на изображении: распознание эмоций (рис.2) и возраста, автомобильных номеров, медицинская диагностика.

C:\Documents and Settings\Singwell\Рабочий стол\1.jpg

Рис. 2. Определение эмоций искусственной НС

2) ИНС, которые могут стилизовать изображение. Например, ИНС можно обучить на картинах известного художника. В последствии такая ИНС сможет преобразовывать любые изображения под стилистику данного художника (рис.3).

C:\Documents and Settings\Singwell\Рабочий стол\2.jpg

Рис. 3. Изменение стилистики изображения

3) ИНС, распознающие среди множества изображений те, на которых есть тот же объект, что и на вашем изображении. Например, при загрузке в такую ИНС графического файла с изображением собаки, на выходе мы получим подборку изображений, на которых есть собака.

4) ИНС, способные генерировать новые изображения. Для этого её обучают, загружая набор изображений, а после инвертируют выход с входом.

5) ИНС, способные определять семантику, т. е. смысл изображения. Так ИНС может не только определить на фотографии человека, но и описать словами происходящее на изображении, например: парень в синей футболке сидит на диване.

Работа нейронных сетей схожа с работой памяти — они запоминают признаки, части изображений. В последние годы происходит бурное развитие искусственных нейронных сетей, они становятся более «умными» и совершают всё меньше ошибок.

Литература:

  1. Беркинблит М. Б. Нейронные сети. — М.: МИРОС и ВЗМШ РАО, 1993. — 96 с. — ISBN 5–7084–0026–9.
  2. Некоторые области применения нейронных сетей // geektimes.ru. URL: https://geektimes.ru/post/286686/

основные термины

генерируются автоматически
искусственные нейронные сети, применение, графическая информация
Похожие статьи
Михалина Анастасия Дмитриевна
Технологии компьютерной графики и их практическая реализация
Информационные технологии
2017
Черногорова Юлия Викторовна
Методы сжатия изображений
Информационные технологии
2016
Горбенко Роман Константинович
Исследование механизмов защиты цифровой видеоинформации при её передаче в распределенных компьютерных сетях
Информационные технологии
2018
Худойбердиева Махлиё Абдукахоровна
Задачи проектирования с использованием технических средств САПР
Технические науки
2016
Масленкова Валентина Александровна
Учебный элемент по информатике «Редактирование изображений в растровом графическом редакторе»
Спецвыпуск
2017
Зенин Алексей Владимирович
Исследование возможностей использования нейронных сетей
Информационные технологии
2017
Москалев Никита Сергеевич
Виды архитектур нейронных сетей
Информационные технологии
2016
Кузнецова Евгения Юрьевна
Визуальный язык картографии: эволюция графического образа и его состояние в эпоху электронной коммуникации
Искусствоведение
2016
Козлов Андрей Алексеевич
Моделирование нейронных сетей Кохонена на графических процессорах
Информационные технологии
2016
публикация
№10 (144) март 2017 г.
дата публикации
март 2017 г.
рубрика
Информационные технологии
язык статьи
Русский
Опубликована
Похожие статьи
Михалина Анастасия Дмитриевна
Технологии компьютерной графики и их практическая реализация
Информационные технологии
2017
Черногорова Юлия Викторовна
Методы сжатия изображений
Информационные технологии
2016
Горбенко Роман Константинович
Исследование механизмов защиты цифровой видеоинформации при её передаче в распределенных компьютерных сетях
Информационные технологии
2018
Худойбердиева Махлиё Абдукахоровна
Задачи проектирования с использованием технических средств САПР
Технические науки
2016
Масленкова Валентина Александровна
Учебный элемент по информатике «Редактирование изображений в растровом графическом редакторе»
Спецвыпуск
2017
Зенин Алексей Владимирович
Исследование возможностей использования нейронных сетей
Информационные технологии
2017
Москалев Никита Сергеевич
Виды архитектур нейронных сетей
Информационные технологии
2016
Кузнецова Евгения Юрьевна
Визуальный язык картографии: эволюция графического образа и его состояние в эпоху электронной коммуникации
Искусствоведение
2016
Козлов Андрей Алексеевич
Моделирование нейронных сетей Кохонена на графических процессорах
Информационные технологии
2016