Класифікація цифрових зображень з використанням нейронних мереж

Об'єкт розробки: методи класифікації цифрових зображень за допомогою нейронних мереж.
Мета дипломної роботи: створення нейронної мережі здатної швидко і якісно класифікувати цифрові зображення.
Наукова новизна: удосконалено архітектуру згорткової нейронної мережі, яка за показниками точності та повноти не поступається відомим аналогам, але потребують менше часу на її навчання, швидше класифікують цифрові зображення і потребують менше ресурсів для розгортання і використання.
У вступі наведено стан проблеми та обґрунтована її актуальність.
У першому розділі наведені аналіз значення нейронних мереж у світі, вивчено їх різновидність, а також ціленаправленість кожного її типу, виконано огляд існуючих рішень та аналогів.
У другому розділі розглянуті основні інструменти та технології для реалізації мети роботи, а також виконаний аналіз архітектурних складових для створення згорткової нейронної мережі, огляд шарів і оптимізаторів для майбутньої реалізації.
У третьому розділі виконано моделювання та навчання трьох моделей нейронних мереж, проведено їх навчання на навчальній виборці цифрових зображень, виконане тестування за найбільш важливими метриками та оцінка робочої здатності мереж.
Практичне значення роботи полягає у створенні власного модулю для класифікації цифрових зображень із використанням нейронних мереж.
Розроблено новий модуль згорткової нейронної мережі для класифікації цифрових зображень, що має відносно малі затрати часу на навчання і в результаті дає точність і повноту класифікації не менше 80%.
Виконано оцінку якості роботи нейронної мережі на даних тестової вибірки рентгенологічних знімків людей здорових і хворих пневмонією.