Рассмотрение нейросетевых модификаций решения задач анализа изображений. Ознакомление со способами обучения нейронной сети для определения параметров прямой. Формирование виртуальной модели стенда. Характеристика процесса модификации детектора прямой.
Аннотация к работе
Применение виртуальных моделей объектов для обучения нейросетей В работе рассматриваются нейросетевые модификации решения задач анализа изображений. Показано, что успешное решение задачи в нейросетевом базисе можно обеспечить за счет применения искусственных примеров.Поиск прямых на изображениях с помощью преобразования Радона позволяет извлечь из любой прямоугольной растровой матрицы координаты прямых наибольшей длины и плотности, как на рис.1а. Однако поиск точных координат прямой в условиях зашумленного образца и ширины линии, отличной от одного пикселя, сталкивается с ограниченным разрешением матрицы аккумулятора модели Радона. Каждый пример содержит не более 1000 точек, принадлежащих прямой с параметрами с ошибкой не более 2 пикселей. Скрытый слой содержит 7 нейронов и обеспечивает ошибку распознавания на уровне 3% по параметру и около 1% от размера области коррекции (Табл.1), т.е. максимальная ошибка определения угла составляет менее 0,5?, а определение сдвига прямой по не более 0,5 пикселя. Исходная средняя ошибка определения параметра составляла 0,8 пикселя, а средняя угловая ошибка достигала 0,25° (максимальная ошибка определения угла составляла 0,55?, а определение сдвига прямой по не более 3 пикселя на выборке 1500 примеров.).Анализ представленных задач показал, что обучение в виртуальных средах обеспечивает не только экономию ресурсов, необходимых для проведения натурных экспериментов, но и позволяет получить приемлемые уровни ошибок обобщения. Разработана технология формирования виртуальных моделей для решения задач анализа трехмерной сцены по ее двухмерному изображению.