Свёрточные нейронные сети для задач распознавания изображений

Часто для задач классификации и распознавания графических образов ранее использовались классические нейросетевые структуры, такие как многослойные персептроны и радиально-базисные сети. Но исходя из анализа основных работ по методам решения данного рода задач, существуют фактические выводы о неэффективности данных структур [10]:

• — Из-за большого количество входных параметров (по одному на каждый пиксель изображения) резко возрастает размер нейронной сети, делая процесс её обучения крайне долгим и малоэффективным на небольших выборках.
• — В целях повышения точности результата рекомендуется применять несколько видов нейронных сетей, что в целом увеличивает сложность получившейся системы, а также повышает мощностные и временные издержки.
• — Модель очень резко реагирует к любым геометрическим изменениям исходного объекта, давая совершенно неверный результат, например, при изменении перспективы анализируемого объекта.
• — При преобразовании изображения в векторный вид, теряется топология изображения, то есть взаимосвязь между отдельными её частями.

Также, в работе Best Practices for Convolutional Neural Networks Applied to Visual Document Analysis наиболее подходящими для работы с изображениями названы два вида. Самый примитивный, который так же является универсальным классификатором для большого спектра задач, это полносвязанная искусственная нейронная сеть с двумя слоями.

Более сложным видом является свёрточная нейронная сеть (Convolutional Neural Network, CNN), которая отлично справляется с задачей анализа графических объектов [2, 11]. Исходя из данных исследований и аргументов, для работы с преобразованием изображений была выбранная свёрточная нейронная сеть.