Development of an image segmentation model based on a convolutional neural network

Abstract

У роботі розглянуто модель сегментації зображень за допомогою згорткових нейронних мереж і досліджено ефективність процесу на основі моделей, що передбачають навчання глибоких шарів згорткових нейронних мереж. Існують об'єктивні труднощі, пов'язані з визначенням оптимальних характеристик нейронних мереж, тому виникає проблема перенавчання нейронної мережі. Усунення перенавчання лише шляхом визначення оптимальної кількості епох було б недостатнім, оскільки воно не забезпечує високої точності. Визначено вимоги до набору зображень для навчання та верифікації моделі. Цим вимогам найкраще відповідають набори зображень PASCAL VOC (Велика Британія) та NVIDIA-Aerial Drone (США). Встановлено, що AlexNet (Канада) є навченою моделлю та може виконувати сегментацію зображень, однак достовірність розпізнавання об'єктів недостатня. Тому виникає потреба в підвищенні ефективності сегментації зображень. Доцільно використати архітектуру AlexNet для побудови спеціалізованої моделі, яка шляхом зміни параметрів і донавчання окремих шарів дала б змогу покращити процес сегментації зображень. Навчено п'ять моделей за такими параметрами: швидкість навчання, кількість епох, алгоритм оптимізації, тип зміни швидкості навчання, коефіцієнт гамма, попередньо навчена модель. Розроблено згорткову нейронну мережу для підвищення точності й ефективності сегментації зображень. Визначено оптимальні параметри навчання нейронної мережі: швидкість навчання — 0,0001, кількість епох — 50, коефіцієнт гамма — 0,1 тощо. Досягнуто підвищення точності на 3 %, що дає змогу стверджувати правильність вибору архітектури розробленої мережі та підбору параметрів. Це дає змогу використовувати цю мережу для практичних задач сегментації зображень, зокрема для пристроїв з обмеженими обчислювальними ресурсамиThis paper has considered a model of image segmentation using convolutional neural networks and studied the process efficiency based on models involving training the deep layers of convolutional neural networks. There are objective difficulties associated with determining the optimal characteristics of neural networks, so there is an issue related to retraining the neural network. Eliminating retraining by determining the optimal number of epochs only would not suffice since it does not provide high accuracy. The requirements for the set of images for training and model verification were defined. These requirements are best met by the image sets PASCAL VOC (United Kingdom) and NVIDIA-Aerial Drone (USA). It has been established that AlexNet (Canada) is a trained model and could perform image segmentation while object recognition reliability is insufficient. Therefore, there is a need to improve the efficiency of image segmentation. It is advisable to use the AlexNet architecture to build a specialized model, which, by changing the parameters and retraining some layers, would allow for a better process of image segmentation. Five models have been trained using the following parameters: learning speed, the number of epochs, optimization algorithm, the type of learning speed change, a gamma coefficient, a pre-trained model. A convolutional neural network has been developed to improve the accuracy and efficiency of image segmentation. Optimal neural network training parameters have been determined: learning speed is 0.0001, the number of epochs is 50, a gamma coefficient is 0.1, etc. An increase in accuracy by 3 % was achieved, which makes it possible to assert the correctness of the choice of the architecture for the developed network and the selection of parameters. That allows this network to be used for practical tasks related to image segmentation, in particular for devices with limited computing resources