Введение 3
1 Существующие методы контекстного поиска 3
1.1 Методы описания изображений 3
1.2 Сравнение 5
1.2.1 Евклидово расстояние 5
1.2.2 Сходство косинуса 5
1.2.3 Манхэттенское расстояние 6
2 Искусственная Нейронная Сеть 6
2.1 Постановка задачи 8
2.1.2 Признаковое пространство 8
2.2 Сверточная Нейронная Сеть 8
2.2.1 Описание архитектуры 8
2.2.1 Обучение 12
2.3 AlexNet 15
2.4 VGG Net 15
2.5 ZF Net 16
3 Практическая часть 17
3.1 Набор данных 17
3.2 Создание модели 18
3.3 Работа с данными 21
3.4 Результаты эксперимента 21
Заключение 23
Литература 24
Приложение 25
Распознавание изображения является очень популярной задачей для современных ЭВМ. С этими задачами лучше всего справляются сверточные нейронные сети. Нейронные сети - одно из направлений в разработке искусственного интеллекта. Идея заключается в том, что бы смоделировать максимально близко работу системы головного мозга человека - а именно способность обучаться, выявлять и исправлять ошибки, основываясь на предыдущем опыте. Человек может сравнивать изображения и выделять на них объекты визуально, на интуитивном уровне. Однако для машины изображение - набор данных, который требует сложной обработки. Есть определённые методы для сравнения изображения основанные на сопоставлении знаний об изображении в целом. В данной работе рассматривается несколько методов распознавания изображения, представление сверточной нейронной сети «CNN», а также результаты полученные в ходе проделанного эксперимента по классификации изображений.
В работе рассмотрены нейронные сети, их классификация и задачи, решаемые на основе искусственных нейронных сетей. Построена модель сверточной нейронной сети применительно к решению задачи классификации изображений. Модель реализована на базе сверточной нейронной сети библиотеки TensorFlow и Keras языка Python. Для апробирования модели проведен численный эксперимент на примере распознавания изображений. Анализ результатов численного эксперимента показывает, что при запуске тестовой выборки из 20 изображений модель совершает 1 ошибку на 5 правильных попаданий в класс.
