Ամսագրի կամ հրապարակման վերնագիր:

Խ․ Աբովյանի անվան հայկական պետական մանկավարժական համալսարան․ Գիտական տեղեկագիր

Հրապարակման ամսաթիւ:

2022

Համար:

1 (42)

ISSN:

1829-0523

Պաշտոնական URL:

Լրացուցիչ տեղեկութիւն:

Մայիլյան Ա. Կ., Маилян А.К.

Այլ վերնագիր:

Այրվածքների ճանաչման ալգորիթմների համեմատական վերլուծություն ; Сравнительный анализ алгоритмов распознавания изображений ожога

Աջակից(ներ):

Գլխավոր խմբ.՝ Ա․ Վ․ Բաբախանյան

Ծածկոյթ:

19-28

Ամփոփում:

Image classification has revolutionized and propelled technological advancements in the artificial intelligence field, from the automobile industry to medical analysis and automated perception in robots. Image recognition is a subdomain of computer vision in which an algorithm looks at an image and assigns it a tag from a collection of predefined tags or categories that it has been trained on [1]. Taking support vector machine (SVM) and convolutional neural network (CNN) as examples, this article compares and analyzes the traditional machine learning and deep learning image recognition algorithms for burn images. The experimental results show that when using a small dataset of burn images, the accuracy of SVM is 52% and the accuracy of CNN is 71.6%. Convolutional Neural Network is chosen as the best option for the burn images training process.
Պատկերների դասակարգումը հեղափոխել և խթանել է արհեստականբանականության տեխնոլոգիական առաջընթացը՝ սկսած ավտոմոբիլային արդյունաբերությունից և բժշկական վերլուծությունից մինչև ռոբոտաշինության ավտոմատացում: Պատկերի ճանաչումը համակարգչային տեսողության ենթաոլորտ է, որտեղ ալգորիթմը նայում է պատկերին և նրան հատկորոշում է նախապես սահմանված պիտակները կամ կատեգորիաները, որոնցով նա վարժեցվել է: Հոդվածում համեմատվում և վերլուծվում են պատկերների ճանաչման ավանդական ալգորիթմները՝ օգտագործելով որպես օրինակ օժանդակ վեկտորային մեթոդը () և կոնվոլյուցիոն նեյրոնային ցանցերը (ԿՆՑ)։ Փորձարկման արդյունքները ցույց են տալիս, որ այրվածքի պատկերների փոքրաքանակ հավաքածուի հետ աշխատելիս, ՕՎՄ-ի ճշգրտությունը կազմում է 52%, իսկ ԿՆՑ -ի ճշգրտությունը՝ 71,6%: Այսպիսով, կոնվոլյուցիոն նեյրոնային ցանցն ընտրվում է որպես պատկերների ճանաչման ուսուցման գործընթացի լավագույն տարբերակ:
Классификация изображений произвела революцию и поспособствовала технологическому прогрессу искусственного интеллекта в разных областях, от автомобильной промышленности и медицинского анализа до автоматизированного восприятия в робототехнике. Распознавание изображений-это подобласть компьютерного зрения, в которой алгоритм смотрит на изображение и присваивает ему тег из набора предопределенных тегов или категорий, по которым он обучался. В статье сравниваются и анализируются традиционные алгоритмы изображений на примере метода опорных векторов (МОВ) и сверточной нейронной сети (СНС). Результаты экспериментов показывают, что при использовании небольшого набора данных изображений ожогов точность МОВ составляет 52%, а точность СНС - 71,6%. Таким образом сверточная нейронная сеть выбрана как лучший вариант для процесса обучения распознавания изображений.

Հրատարակութեան վայրը:

Երևան

Հրատարակիչ:

Մանկավարժ հրատ․

Ձեւաչափ:

pdf

Նոյնացուցիչ:

oai:arar.sci.am:369555

Թուայնացում:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան