Журнал «Современная Наука»

Оптимизационные методы нейронных сетей для решения задачи бинарной классификации изображений

Крутов Тимофей Юрьевич (МГТУ им. Н.Э. Баумана)

Афанасьев Геннадий Иванович (к.т.н., доцент, МГТУ им. Н.Э. Баумана)

Нестеров Юрий Григорьевич (к.т.н., доцент, МГТУ им. Н.Э. Баумана)

Проведен сравнительный анализ существующих методов оптимизации нейронных сетей и определен ряд оптимизаторов, показывающих наилучшее качество обучения для решения задачи бинарной классификации в распознавании изображений используемого набора данных. Рассмотрен метод градиентного спуска, SGD, метод Нестерова и Импульсный метод. Описаны адаптивные методы оптимизации такие как Adagrad, RMSprop и Adam. Рассмотрены две архитектуры нейронных: первая архитектура представляет собой сверточную нейронную сеть с четырьмя слоями свёртки, вторая сеть состоит из предобученной на наборе ImageNet нейронной сети VGG19 с добавленным классификатором. Состав слоев сети описан в тексте и на рисунках. В качестве обучающего набора использовался набор данных «Dogs vs. Cats» со сбалансированными классами изображений. Результаты обучения и тестов моделей приведены на графиках точности и потерь. Описаны рекомендации по выбору архитектуры нейронных сетей.

Ключевые слова:Оптимизаторы нейронных сетей, перенос обучения, модели нейронных сетей, свёрточные нейронные сети, VGG19.

Читать полный текст статьи …

Ссылка для цитирования:
Крутов Т. Ю., Афанасьев Г. И., Нестеров Ю. Г. Оптимизационные методы нейронных сетей для решения задачи бинарной классификации изображений // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. -2021. -№05/2. -С. 68-76 DOI 10.37882/2223-2966.2021.05-2.16

ПРАВОВАЯ ИНФОРМАЦИЯ:
Перепечатка материалов допускается только в некоммерческих целях со ссылкой на оригинал публикации. Охраняется законами РФ. Любые нарушения закона преследуются в судебном порядке.
© ООО "Научные технологии"