Аннотация 2
ВВЕДЕНИЕ 6
Глава 1 АНАЛИЗ СОСТОЯНИЯ ВОПРОСА ПРИМЕНЕНИЯ СВЁРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ 8
1.1 Описание работы свёрточных нейронных сетей 8
1.2 Обзор применения алгоритмов свёрточных нейронных сетей 12
1.3 Постановка задачи 14
Глава 2 ПРОЕКТИРОВАНИЕ АЛГОРИТМА ПЕРЕНОСА НЕЙРОННОГО СТИЛЯ 17
2.1 Архитектура свёрточной нейронной сети VGG16 17
2.2 Математический аппарат алгоритма нейронного переноса стиля 20
2.2.1 Подготовка сверточной нейронной сети 20
2.2.2 Подготовка исходных изображений и создание шумного 22
2.2.3 Создание выходного изображения 22
2.3 Разработка программного обеспечения 25
ГЛАВА 3 ТЕСТИРОВАНИЕ РАЗРАБОТАННОГО ПРОГРАММНОГО РЕШЕНИЯ 31
3.1 Проведение экспериментов генерации изображения 31
3.2 Корректировка разработанной системы для улучшения результатов . 40
ЗАКЛЮЧЕНИЕ 43
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 45
ПРИЛОЖЕНИЕ А Результаты третьего тестирования 48
В современных реалиях, когда идёт бурное развитие технологий, а автоматизация доходит до любого процесса жизни человека, не удивительно, что когда-то описываемое фантастами компьютерное зрение, развилось и дошло до той поры, когда это уже не будущее, а вполне реальное настоящее.
Бурное развитие теорий компьютерного зрения привело к появлению технологий машинного зрения. Словом, машинное зрение - это технологии, которые помогают оборудованию увидеть процесс производства чего-либо, проанализировать данные и принять информированное решение. И все это за доли секунды [17].
Еще в 2012 году технологии машинного зрения были не столь совершенными и могли распознать порядка 65-70% объектов, которые попадали в систему для анализа. Но всё изменилось с появлением свёрточных нейронных сетей. А именно в 2012 году, когда Алекс Крижевски благодаря им выиграл конкурс ImageNet, снизив рекорд ошибок классификации с 26% до 15%, что тогда стало прорывом [18]. Сегодня же существуют свёрточные нейронные сети с процентом классификации близким к 98.
Сверточная нейросеть - это такой особый вид нейросетей прямого распространения, и под прямым распространением понимается то, что переменные нейроны в этой сети разбиты на группы, называемые слоями. И когда такая слоистая нейронная сеть применяется к данным, то активация слоев - значение этих переменных - подсчитывается последовательно: сначала значение активации первого слоя, потом значение активации второго слоя, и так до последнего слоя. Результаты активации последнего слоя служат конечной точкой выхода результатов свёрточной нейронной сети.
Актуальность данной работы состоит в разработке нового алгоритма, решающего не классическую для свёрточных нейронных сетей задачу генерации изображения.
Новизна бакалаврской работы заключается в новом алгоритме и способе использования свёрточной нейронной сети.
Практическая ценность состоит в разработке нового алгоритма нейронного переноса стиля с использованием свёрточной нейронной сети.
Объект исследования - процесс функционирования свёрточных нейронных сетей.
Предмет исследования - алгоритм нейронного переноса стиля.
Бакалаврская работа состоит из введения, трёх глав, заключения, списка литературы и приложений.
В первой главе затрагиваются вопросы процесса работы сверточных нейронных сетей, способы и сферы их применения и на основании полученных данных формулируется новая задача и требования к её непосредственному решению.
Во второй главе описывается архитектура выбранной для решения свёрточной нейронной сети и причины, по которым она была выбрана. Разрабатывается математический аппарат алгоритма решающего сформулированную задачу и его реализация.
В третьей главе предоставляются результаты тестирования разработанного алгоритма на основе построенного математического аппарата и выявленных требований. Производится корректировка системы и описываются возможности по её улучшению.
В заключении подводятся итоги исследования, формируются окончательные выводы и результаты проделанной работы.
Выполненная работа посвящена исследованию свёрточных нейронных сетей и разработке нового способа их использования. Цель работы определила её основное направление - разработка алгоритма нейронного переноса стиля с использованием свёрточной нейронной сети для создания изображений имея на входе пару необходимых изображений контента и стиля.
Для этого были рассмотрены и проанализированы способы использования свёрточных нейронных сетей в современных реалиях. В ходе анализа была выявлена область, где свёрточные сети малоприменимы, и была сформулирована новая задача и пути её реализации.
В процессе разработки были реализованы:
• математический аппарат алгоритма нейронного переноса стиля;
• алгоритм по нейронному переносу стиля изображения.
К тому же были выявлены недостатки разработанного алгоритма, предложены способы по их устранению с описанием возможных последствий.
Данная система позволяет создать изображение, имея на входе одно исходное изображение и второе изображения стиля, беря черты первого и стиль рисования второго. Система достаточно требовательна к вычислительной мощности компьютера, так как подразумевает выполнение многочисленных математических операции, и в меньшей мере к оперативной памяти компьютера для загрузки в неё архитектуры свёрточной нейронной сети.
Полученный алгоритм был протестирован, были продемонстрированы результаты трёх генераций разного уровня сложности и выявлены недостатки.
В результате работы были продемонстрированы пути развития данной работы такие как: уменьшение времени генерации изображения и повышение качества создаваемого изображения.
Данная работа продемонстрировала, что при необходимом желании можно найти применение свёрточным нейронным сетям в сфере, для которой они изначально не предназначались.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
