Особливості підготовки набору даних та навчання нейронної мережі для розпізнавання об’єктів: Fìz.-mat. model. ìnf. tehnol. 2021, 32:146-151
The paper presents the results of the research on the expediency of training a neural network on images of different clarity and brightness using unevenly distributed lighting on a working area with statically positioned system elements. The use of transfer learning for neural networks to improve th...
Saved in:
| Date: | 2021 |
|---|---|
| Main Authors: | , |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Інститут прикладних проблем механіки і математики ім. Я. С. Підстригача НАН України
2021
|
| Subjects: | |
| Online Access: | https://www.fmmit.lviv.ua/index.php/fmmit/article/view/177 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Physico-mathematical modeling and informational technologies |
Institution
Physico-mathematical modeling and informational technologies| _version_ | 1867479506761023488 |
|---|---|
| author | Kyrychuk, Dmytro Segin, Andriy |
| author_facet | Kyrychuk, Dmytro Segin, Andriy |
| author_institution_txt_mv | [
{
"author": "Dmytro Kyrychuk",
"institution": "Західноукраїнський національний університет, вул. Чехова, 8, 46003, Тернопіль"
},
{
"author": "Andriy Segin",
"institution": "Західноукраїнський національний університет, вул. Чехова, 8, 46003, Тернопіль"
}
] |
| author_sort | Kyrychuk, Dmytro |
| baseUrl_str | http://www.fmmit.lviv.ua/index.php/fmmit/oai |
| collection | OJS |
| datestamp_date | 2021-09-06T08:15:33Z |
| description | The paper presents the results of the research on the expediency of training a neural network on images of different clarity and brightness using unevenly distributed lighting on a working area with statically positioned system elements. The use of transfer learning for neural networks to improve the accuracy of object recognition was justified. The object recognition ability of a convolutional neural network while scaling the object relatively to the original was researched. The results of the research on the influence of lighting on the quality of object recognition by a trained network and the influence of background choice for a working area on the quality of object-based feature selection are presented. Based on the results obtained, recommendations for the preparation of individual datasets to improve the quality of training and further object recognition of convolutional neural networks through the elimination of unnecessary variables in images were provided.
References
Datasets [Elektronnyy resurs] / Kaggle Inc. — Rezhym dostupu do resursu: https://www.kaggle.com/datasets . – Nazva z ekranu.
Image data preprocessing [Elektronnyy resurs]. — Rezhym dostupu do resursu: https://keras.io/preprocessing/image . – Nazva z ekranu.
|
| doi_str_mv | 10.15407/fmmit2021.32.146 |
| first_indexed | 2026-06-09T01:07:21Z |
| format | Article |
| fulltext | |
| id | oai:ojs2.www.fmmit.lviv.ua:article-177 |
| institution | Physico-mathematical modeling and informational technologies |
| keywords_txt_mv | keywords |
| language | Ukrainian |
| last_indexed | 2026-06-09T01:07:21Z |
| publishDate | 2021 |
| publisher | Інститут прикладних проблем механіки і математики ім. Я. С. Підстригача НАН України |
| record_format | ojs |
| resource_txt_mv | |
| spelling | oai:ojs2.www.fmmit.lviv.ua:article-1772021-09-06T08:15:33Z Specificities of data set preparation and neural network training for object recognition: Fìz.-mat. model. ìnf. tehnol. 2021, 32:146-151 Особливості підготовки набору даних та навчання нейронної мережі для розпізнавання об’єктів: Fìz.-mat. model. ìnf. tehnol. 2021, 32:146-151 Kyrychuk, Dmytro Segin, Andriy розпізнавання об’єктів згорткова нейронна мережа object recognition convolutional neural network The paper presents the results of the research on the expediency of training a neural network on images of different clarity and brightness using unevenly distributed lighting on a working area with statically positioned system elements. The use of transfer learning for neural networks to improve the accuracy of object recognition was justified. The object recognition ability of a convolutional neural network while scaling the object relatively to the original was researched. The results of the research on the influence of lighting on the quality of object recognition by a trained network and the influence of background choice for a working area on the quality of object-based feature selection are presented. Based on the results obtained, recommendations for the preparation of individual datasets to improve the quality of training and further object recognition of convolutional neural networks through the elimination of unnecessary variables in images were provided. References Datasets [Elektronnyy resurs] / Kaggle Inc. — Rezhym dostupu do resursu: https://www.kaggle.com/datasets . – Nazva z ekranu. Image data preprocessing [Elektronnyy resurs]. — Rezhym dostupu do resursu: https://keras.io/preprocessing/image . – Nazva z ekranu. У роботі представлено результати дослідження доцільності навчання нейронної мережі на зображеннях різної чіткості та яскравості з використанням нерівномірно розподіленого освітлення на робочому полі при статичному положенні елементів системи. Обґрунтовано використання трансферного навчання нейронних мереж для підвищення точності розпізнавання об’єктів. Досліджено можливість розпізнавання об’єктів згортковою нейронною мережею при зміні масштабу об’єкту відносно вихідного. Представлено результати дослідження впливу освітлення на якість розпізнавання об’єктів навченою мережею та впливу вибору фону робочого поля на чіткість виділення ознак об’єктів. На основі отриманих результатів сформовано рекомендації, щодо підготовки власних наборів даних для покращення якості навчання та подальшого розпізнавання об’єктів згортковою нейронною мережею шляхом усунення зайвих змінних на зображенні. Інститут прикладних проблем механіки і математики ім. Я. С. Підстригача НАН України 2021-07-08 Article Article application/pdf https://www.fmmit.lviv.ua/index.php/fmmit/article/view/177 10.15407/fmmit2021.32.146 PHYSICO-MATHEMATICAL MODELLING AND INFORMATIONAL TECHNOLOGIES; No. 32 (2021): Physico-mathematical modeling and informational technologies, 2021, Issue 32; 146-151 ФІЗИКО-МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ ТА ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ; № 32 (2021): Фізико-математичне моделювання та інформаційні технології, 2021, Вип. 32; 146-151 2617-5258 1816-1545 10.15407/fmmit2021.32 uk https://www.fmmit.lviv.ua/index.php/fmmit/article/view/177/167 Авторське право (c) 2021 Dmytro Kyrychuk, Andriy Segin (Автор) |
| spellingShingle | розпізнавання об’єктів згорткова нейронна мережа Kyrychuk, Dmytro Segin, Andriy Особливості підготовки набору даних та навчання нейронної мережі для розпізнавання об’єктів: Fìz.-mat. model. ìnf. tehnol. 2021, 32:146-151 |
| title | Особливості підготовки набору даних та навчання нейронної мережі для розпізнавання об’єктів: Fìz.-mat. model. ìnf. tehnol. 2021, 32:146-151 |
| title_alt | Specificities of data set preparation and neural network training for object recognition: Fìz.-mat. model. ìnf. tehnol. 2021, 32:146-151 |
| title_full | Особливості підготовки набору даних та навчання нейронної мережі для розпізнавання об’єктів: Fìz.-mat. model. ìnf. tehnol. 2021, 32:146-151 |
| title_fullStr | Особливості підготовки набору даних та навчання нейронної мережі для розпізнавання об’єктів: Fìz.-mat. model. ìnf. tehnol. 2021, 32:146-151 |
| title_full_unstemmed | Особливості підготовки набору даних та навчання нейронної мережі для розпізнавання об’єктів: Fìz.-mat. model. ìnf. tehnol. 2021, 32:146-151 |
| title_short | Особливості підготовки набору даних та навчання нейронної мережі для розпізнавання об’єктів: Fìz.-mat. model. ìnf. tehnol. 2021, 32:146-151 |
| title_sort | особливості підготовки набору даних та навчання нейронної мережі для розпізнавання об’єктів: fìz.-mat. model. ìnf. tehnol. 2021, 32:146-151 |
| topic | розпізнавання об’єктів згорткова нейронна мережа |
| topic_facet | розпізнавання об’єктів згорткова нейронна мережа object recognition convolutional neural network |
| url | https://www.fmmit.lviv.ua/index.php/fmmit/article/view/177 |
| work_keys_str_mv | AT kyrychukdmytro specificitiesofdatasetpreparationandneuralnetworktrainingforobjectrecognitionfizmatmodelinftehnol202132146151 AT seginandriy specificitiesofdatasetpreparationandneuralnetworktrainingforobjectrecognitionfizmatmodelinftehnol202132146151 AT kyrychukdmytro osoblivostípídgotovkinaborudanihtanavčannânejronnoímerežídlârozpíznavannâobêktívfizmatmodelinftehnol202132146151 AT seginandriy osoblivostípídgotovkinaborudanihtanavčannânejronnoímerežídlârozpíznavannâobêktívfizmatmodelinftehnol202132146151 |