Распознавание изменения размера и цвета изображения на основе сверточной нейронной сети

Abstract

В статье рассмотрено применение сверточной нейронной сети Mask R-CNN для распознавания изменения размера и цвета изображения. Применение данной сети оправдано тем, что в отличие от других типов сверточных нейронных сетей данная сеть предназначена для не только для обнаружения всех объектов указанных классов и определения охватывающей рамки для каждого из них, но и для определения пикселей, принадлежащих каждому объекту каждого класса по отдельности. Описана архитектура этой сети. Предложена модификация алгоритма обучения многослойного персептрона, входящего в состав Mask R-CNN, представляющая собой матричные варианты процедуры Качмажа (Уидроу-Хоффа). Вследствие наличия ограниченных помех предлагается использовать в алгоритме зону нечувствительности, для которой приведены процедуры настройки. Проведено экспериментальное исследование эффективности работы сети в задаче распознавания заболевания кожи – меланомы. У статті розглянуто застосування згорткової нейронної мережі Mask R-CNN для розпізнавання зміни розміру і кольору зображення. Застосування даної мережі виправдано тим, що на відміну від інших типів згортальних нейронних мереж дана мережа призначена для не лише для виявлення всіх об’єктів заданих класів і визначення охоплюючої рамки для кожного з них, а й для визначення пікселів, що належать кожному об’єкту кожного класу окремо. Описана архітектура цієї мережі. Запропоновано модифікацію алгоритму навчання багатошарового персептрона, що входить до складу Mask R-CNN, яка представляє собою матричні варіанти процедури Качмажа (Уїдроу-Хоффа). Внаслідок наявності обмежених перешкод пропонується використовувати в алгоритмі зону нечутливості, для якої наведені процедури налаштування. Проведено експериментальне дослідження ефективності роботи мережі в задачі розпізнавання захворювання шкіри - меланоми. В якості навчальної вибірки вико ристовувався набір фотографій з конкурсу «ISIC 2016: Skin Lesion Analysis Towards Melanoma Detection». Отримані результати свідчать про ефективність підходу, що розвивається.

The article describes the use of the Mask R-CNN convolutional neural network for recognition of changes in image size and color. The use of this network is justified by the fact that, unlike other types of convolutional neural networks, this network is designed not only to detect all objects of the indicated classes and determine the covering frame for each of them, but also to determine the pixels belonging to each object of each class separately. The architecture of this network is described. A modification of the learning algorithm of the multilayer perceptron, which is part of the Mask R-CNN, is a matrix version of the Kacmage (Widrow Hoff) procedure. Due to the presence of limited interference, it is proposed to use the dead zone in the algorithm, for which tuning procedures are given. An experimental study of the effectiveness of the network in the task of recognizing skin disease - melanoma was conducted. A set of photographs from the competition “ISIC 2016: Skin Lesion Analysis Towards Melanoma Detection” was used as a training sample. The obtained results testify to the effectiveness of the developed approach.