Opracowanie koncepcji i implementacja modelu rozpoznawania obrazu z wykorzystaniem elementów sztucznej inteligencji

• Autorzy: Sierżantowicz Anna , Ptasznik Andrzej

Identyfikatory

DOI

10.26348/znwwsi.23.7

Warianty tytułu

EN

Development of the concept and implementation of an image recognition model using elements of artificial intelligence

• Języki publikacji: PL

Abstrakty

PL

W niniejszym artykule przedstawiono koncepcję i implementację modelu do rozpoznawania ras psów na podstawie zdjęcia. Do realizacji zadania wykorzystano model głębokiej sieci neuronowej bazujący na strukturze InceptionV3. Sieć została wytrenowana i przetestowana na zbiorze przypadków uczących liczącym ponad 20 tys. zdjęć 120 ras psów z zastosowaniem transferu wiedzy. Zbadano również wpływ jakości zdjęć na wyniki klasyfikacji. Sieć uzyskała bardzo dobre rezultaty zarówno w przypadku analizy typowych, jak i nietypowych zdjęć.

EN

This article presents the concept and implementation of a model for recognizing dog breeds based on an input image. The task was performed with the use of a deep neural network model based on the InceptionV3 structure. The neural network has been trained and tested on a dataset counting more than 20,000 images of 120 dog breeds using transfer learning technique. The impact of image quality on classification results was also examined. The model obtained very good results in the analysis of both typical and unusual input images.

Słowa kluczowe

PL

rozpoznawanie obrazu; sztuczne sieci neuronowe; sieci splotowe; InceptionV3; transfer wiedzy

EN

computer vision; artificial neural network; connvolutional neural network; InceptionV3; transfer learning

• Wydawca: Warszawska Wyższa Szkoła Informatyki
• Czasopismo: Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
• Rocznik: 2020
• Tom: nr 23
• Strony: 7--26
• Opis fizyczny: Bibliogr. 11 poz., rys., tab., wykr.

Twórcy

autor

Sierżantowicz Anna

• Warszawska Wyższa Szkoła Informatyki

autor

Ptasznik Andrzej

• Warszawska Wyższa Szkoła Informatyki

Bibliografia

• [1] R. Tadeusiewicz, Sieci neuronowe, wydanie drugie red., Warszawa: Akademicka Oficyna Wydawnicza, 1993, 8-25.
• [2] K.J. Piczak, Klasyfikacja dźwięku za pomocą splotowych sieci neuronowych, Warszawa: Politechnika Warszawska, 2018, 15-75.
• [3] A. Sierżantowicz, Opracowanie koncepcji i implementacja modelu rozpoznawania obrazu dla zadanej dziedziny z wykorzystaniem elementów sztucznej inteligencji, praca inżynierska, Warszawa: Warszawska Wyższa Szkoła Informatyki, 2020.
• [4] Math Works, The MathWorks, Inc., [Online]. https://www.mathworks.com/solutions/deep-learning/convolutional-neural-network.html. [październik 2020].
• [5] Keras. [Online]. https://keras.io. [Data uzyskania dostępu: marzec 2020].
• [6] S.-H. Tsang, Review: Inception-v3 - 1st Runner Up (Image Classification) in ILSVRC 2015, A Medium Corporation, 2018. [Online]. https://medium.com/@sh.tsang/review-inception-v3-1st-runner-up-image-classification-in-ilsvrc-2015-17915421f77c. [czerwiec 2020].
• [7] C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, Z. Wojna, Rethinking the Inception Architecture for Computer Vision, 2015. [Online]. https://arxiv.org/abs/1512.00567. [czerwiec 2020].
• [8] A. Khosla, N. Jayadevaprakash, B. Yao i L. Fei-Fei, Novel Dataset for Fine-Grained Image Categorization, [w:] First Workshop on Fine-Grained Visual Categorization (FGVC), IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2011.
• [9] J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li i L. Fei-Fei, ImageNet: A Large-Scale Hierarchical Image Database, [w:] IEEE Computer Vision and Pattern Recognition (CVPR), 2009.
• [10] S.V. Lab, Stanford Vision Lab, [Online]. http://vision.stanford.edu/aditya86/ImageNetDogs/. [listopad 2018].
• [11] Leksykon sieci neuronowych, wydanie pierwsze (red.) R. Tadeusiewicz, M. Szaleniec, Wrocław: Wydawnictwo Fundacji „Projekt Nauka”, 2015.