Інформаційна технологія розпізнавання продуктів харчування на основі згорткової нейронної мережі

Abstract

У роботі було розроблено інформаційну технологію розпізнавання продуктів харчування на основі архітектури згорткової нейронної мережі Mask R-CNN. Навчання проводилось за допомогою стохастичного градієнтного спуску по мінібатчам на швидкостях навчання 1E-4, 1E-5 та 1E-6 протягом 12 000, 3 000 та 7 000 ітерацій відповідно. Програмна реалізація інформаційної технології здійснена на мові програмування Python з використанням бібліотек NumPy, Pandas та Matplotlib. Набір даних для навчання та тестування програми містив приблизно 19 000 зображень, на яких присутні 186 класів продуктів харчування. Розроблена програма розпізнавання продуктів харчування має порівняно з аналогом збільшену на 7% влучність розпізнавання сегмента та збільшену на 3% влучність розпізнавання рамки.

In the work an information technology for food recognition was developed based on the architecture of the convolutional neural network Mask R-CNN. Training was carried out using stochastic gradient descent in minibatches at learning rates of 1E-4, 1E-5 and 1E-6 for 12,000, 3,000 and 7,000 iterations, respectively. The software implementation of the information technology was carried out in the Python programming language using the NumPy, Pandas and Matplotlib libraries. The data set for training and testing the program contained approximately 19,000 images, which contain 186 classes of food products. The developed food recognition program has a segment recognition accuracy increased by 7% and a frame recognition accuracy increased by 3% compared to the analogue.