Введение
ГЛАВА 1 Анализ научно-технической литературы по теме диссертационного исследования 11
1.1 Анализ алгоритмов и методов распознавания образов 12
1.1.1 Анализ программно-аппаратных комплексов распознавания объектов 12
1.1.2 Анализ метода распознавания, основанного на работе с контурами объектов 17
1.1.3 Анализ метода распознавания, основанного на морфологических преобразованиях 1.1.4 Анализ методов, основанных на построении модели объекта 26
1.1.5 Анализ метода распознавания, основанного на применении искусственных нейронных сетей 30
1.2 Анализ алгоритмов и методов выделения целевых объектов на изображениях 35
1.2.1 Анализ метода выделения объектов по цвету 36
1.2.2 Анализ метода выделения объектов через нахождение контуров 36
1.2.3 Анализ метода выделения объектов, основанного на поиске по шаблону 37
1.2.4 Анализ метода выделения объектов, основанного на использовании признаков Хаара 38
1.3 Формулирование задачи исследования и декомпозиция на частные подзадачи 40
1.3.1 Анализ нейросетевых моделей для выделения и распознавания объектов и выбор конкретной модели 40
1.3.2 Анализ модели R-CNN для выделения и распознавания объектов 43
1.3.3 Формальная постановка задачи распознавания образов 48
1.3.4 Формулирование задачи исследования 52
Выводы 55
ГЛАВА 2 Разработка метода выделения и распознавания объектов на изображениях 56
2.1 Разработка структуры метода выделения и распознавания объектов на изображениях
2.2 Внедрение нейронов второго порядка в архитектуру СНС 61
2.2.1 Вывод формул обратного распространения для сверточной нейронной сети второго порядка 61
2.2.2 Разработка архитектуры сверточной нейронной сети второго порядка
2.3 Разработка численного метода отсеивания гипотез по низкочастотной структуре 71
2.4 Разработка метода выделения и распознавания объектов 76
2.5 Экспериментальное исследование методов уменьшения размерности входных данных и выбор метода вычитания фона 82
Выводы 89
ГЛАВА 3 Разработка параллельного алгоритма обработки данных в снс второго порядка, ориентированного на процессоры с векторно матричной архитектурой 90
3.1 Анализ применимости процессоров векторно-матричной архитектуры для реализации нейронных сетей 90
3.2 Общие принципы параллельной обработки данных в сверточных нейронных сетях 95
3.3 Разработка параллельного алгоритма обработки данных в сверточной нейронной сети второго порядка 100
Выводы 108
ГЛАВА 4 Разработка методики полуавтоматического создания визуальных обучающих выборок для нейронных сетей 109
4.1 Анализ методов предобработки изображений и этапов формирования обучающей выборки 109
4.2 Экспериментальное исследование влияния способа формирования изображений обучающей выборки на обобщающую способность нейронной сети 114
4.3 Экспериментальное исследование влияния типа фона изображений обучающей выборки на обобщающую способность нейронной сети 121
4.4 Экспериментальное исследование влияния базовых параметров изображений обучающих выборок на обобщающую способность нейронной сети 123
4.5 Экспериментальное исследование влияния фильтрации изображений обучающей выборки на обобщающую способность нейронной сети 130
4.6 Экспериментальное исследование влияния расширения обучающей выборки за счет деформации изображений на обобщающую способность нейронной сети 135
4.7 Исследование влияния освещения на качество распознавания 138
Выводы 141
ГЛАВА 5 Тестирование и экспериментальная оценка разработанных алгоритмов распознавания объектов на изображениях 143
5.1 Разработка программного комплекса для выделения и распознавания объектов 143
5.2 Тестирование разработанного численного метода отсеивания гипотез по низкочастотной структуре 149
5.3 Тестирование производительности разработанного параллельного алгоритма 151
5.4 Тестирование разработанной методики создания выборок
5.4.1 Описание созданных для эксперимента обучающих множеств 156
5.4.2 Тестирование методики создания обучающих выборок 158
Выводы 161
Заключение 162
Список литературы 162
