Актуальные проблемы в машиностроении. Том 9. № 1-2. 2022 Инновационные технологии в машиностроении ____________________________________________________________________ 9 Рис. 1. Граф полносвязной нейронной сети Для распознавания изображений используются сверточные нейронные сети (СНС), работающие уже с пространственными структурами, пикселами цифрового изображения (рис. 2). Рис. 2. Граф полносвязной нейронной сети Сверточные слои имеют ядра (фильтры), представляющие собой сетку 3х3 пиксела (реже 5х5 и др.), которые свертывают (сканируют) цифровое изображение построчно. Ядро имеет веса w, представленные аналогичным массивом 3х3, а также смещение b. Первичный сверточный слой выявляет простейшие линии или края объекта на изображении, после прохождения ядром всего изображения сформируется карта активаций, из которой видно, где на изображении определенные линии, за распознавание которых отвечает данное ядро. Далее эта карта активаций будет передана следующему слою, который в свою очередь распознает уже более сложные формы или комбинации этих линий из полученной карты активаций, и так до тех пор, пока не произойдет полное распознавание объекта на изображении. Каждое ядро настроено на выявление определенных линий на изображении, например под определенным углом, поэтому один сверточный слой может содержать множество ядер, которые генерируют свои карты активаций. Все параметры НС изначально назначаются произвольно или, исходя из некоторой модели, поэтому изначально сеть еще не умеет делать правильные предсказания и требуется провести ее обучение. Для этого используются методы машинного обучения или ГО. Традиционное машинное обучение очень сильно связано с проектированием признаков, т.е. преобразованием исходных данных во входные переменные, используя которые легче произвести обучение. Однако процесс проектирования признаков очень
RkJQdWJsaXNoZXIy MTk0ODM1