<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Використання модифікованної нейронної мережі для розпізнавання зображень

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

У статті розглянуто застосування модифікованої нейронної мережі для розпізнавання зображень. Проаналізовано методи побудови існуючих комп’ютерних нейромережевих систем розпізнавання зображень. Описано, як саме адаптовані нейронні мережі обробляють візуальні дані, щоб ідентифікувати та класифікувати різні об'єкти на фотографіях та відео. Основна увага буде приділятися принципам функціонування таких мереж та їхній здатності до виділення ключових ознак зображень для досягнення високої точності розпізнавання.
This article examines the application of a modified neural network for image recognition. It analyzes methods for constructing existing computer neural network-based image recognition systems. The paper describes how adapted neural networks process visual data to identify and classify various objects in photographs and videos. The main focus will be on the principles of operation of such networks and their ability to extract key image features to achieve high recognition accuracy.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

978-617-8163-57-0

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Дерев'янчук А. Ю., Черноволик Г. О. Використання модифікованної нейронної мережі для розпізнавання зображень // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25646.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (7)

  1. Kamilaris, A., & Prenafeta-Boldú, F. X. Deep learning in agriculture // Computers and Electronics in Agriculture, 2018, 147, 70-90.
  2. Russakovsky, O. et al. ImageNet Large Scale Visual Recognition Challenge. // IJC, 2015, 115, 211-252.
  3. Deep Learning [Електронний ресурс] – Режим доступу до ресурсу: https://www.deeplearningbook.org/
  4. Litjens, G. et al. . A survey on deep learning in medical image analysis //. Medical Image Analysis, 2017, 42, 60-88.
  5. Transformers and Pretrained Language Models [Електронний ресурс] – Режим доступу до ресурсу: https://av.tib.eu/media/63458
  6. Lightweight Models for Real-Time Steganalysis: A Comparison of MobileNet, ShuffleNet, and EfficientNet [Електронний ресурс] – Режим доступу до ресурсу: https://www.researchgate.net/publication/387956734_Lightweight_Models_for_RealTime_Steganalysis_A_Comparison_of_MobileNet_ShuffleNet_and_EfficientNet.
  7. Selvaraju, R. R. et al. Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization .// ICCV, 2019, 128, 336-359. 8. What is AI Image Recognition? How it works and examples [Електронний ресурс] – Режим доступу до ресурсу: https://uk.shaip.com/blog/what-is-ai-image-recognition-and-how-does-it-work/