Improving a Model of Object Recognition in Images Based on a Convolutional Neural Network

Abstract

У цій статті розглянуто модель розпізнавання об’єктів на зображеннях за допомогою згорткових нейронних мереж; досліджено ефективність процесу на основі моделі із залученням 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 шляхом визначення лише оптимальної кількості епох є недостатнім, оскільки не забезпечує високої точності. Визначено вимоги до набору зображень для навчання та перевірки моделі. Цим вимогам краще відповідає набір зображень INRIA (Франція). Встановлено, що GoogLeNet (США) є навченою моделлю, яка може виконувати розпізнавання об’єктів на зображеннях, але достовірність розпізнавання об’єктів недостатня. Тому виникає потреба підвищити ефективність розпізнавання об’єктів на зображеннях. Доцільно використати архітектуру GoogLeNet для побудови спеціалізованої моделі, яка шляхом зміни параметрів і перенавчання деяких шарів могла б забезпечити краще розпізнавання об’єктів на зображеннях. Навчено десять моделей за такими параметрами: швидкість навчання, кількість епох, алгоритм оптимізації, тип зміни швидкості навчання, коефіцієнт гамма або степеневий коефіцієнт, попередньо навчена модель. Розроблено згорткову нейронну мережу для підвищення точності та ефективності розпізнавання об’єктів на зображеннях. Визначено оптимальні параметри навчання нейронної мережі: швидкість навчання — 0,000025; кількість епох — 100; степеневий коефіцієнт — 0,25 тощо. Отримано підвищення точності на 3 %, що дає змогу стверджувати про правильний вибір архітектури розробленої мережі та добір її параметрів. Це дає змогу використовувати цю мережу для практичних завдань розпізнавання об’єктів на зображеннях

This paper considers a model of object recognition in images using convolutional neural networks; the efficiency of the model-based process involving the training of deep layers in convolutional neural networks has been studied. There are objective difficulties associated with determining the optimal characteristics of neural networks, so there is an issue related to retraining a neural network. Eliminating the retraining by determining only the optimal number of epochs is insufficient since it does not provide high accuracy.The requirements for the set of images for model training and verification have been defined. These requirements are better met by the INRIA image set (France).GoogLeNet (USA) has been established to be a trained model that can perform object recognition on images but the object recognition reliability is insufficient. Therefore, it becomes necessary to improve the effectiveness of object recognition in images. It is advisable to use the GoogLeNet architecture to build a specialized model that, by changing the parameters and retraining some layers, could allow for better recognition of objects in images.Ten models were trained using the following parameters: learning speed, the number of epochs, an optimization algorithm, the type of learning speed change, a gamma or power coefficient, a pre-trained model.A convolutional neural network has been developed to improve the precision and efficiency of object recognition in images. The optimal neural network training parameters were determined: training speed, 0.000025; the number of epochs, 100; a power coefficient, 0.25, etc. A 3 % increase in precision was obtained, which makes it possible to assert the proper choice of the architecture for the developed network and the selection of its parameters. That allows this network to be used for practical tasks of object recognition in images