Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 44.201.99.133
    [SESS_TIME] => 1711689850
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => abaf185fad86fbf53a9063415ecb510d
    [UNIQUE_KEY] => 7437f6bf580f9147ffcdd57459541008
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Вестник НГУЭУ

2022 год, номер 2

ЭФФЕКТИВНОСТЬ МОДЕЛЕЙ TENSORFLOW В ПРИЛОЖЕНИИ К ЗАДАЧЕ ОБНАРУЖЕНИЯ ГЛАЗ НА ФОТОГРАФИИ

С.О. Бурдуковский
Новосибирский государственный университет экономики и управления «НИНХ», Новосибирск, Российская Федерация
burdukowsky_stas@mail.ru
Ключевые слова: обнаружение объектов, машинное обучение, глаза, искусственная нейронная сеть, TensorFlow, потери классификации, потери локализации, точность обнаружения
Страницы: 228-238

Аннотация

В данной статье автор проводит сравнение эффективности моделей обнаружения TensorFlow при решении задачи детектирования области глаз на фотографии лица человека. Для этого был проведен ряд экспериментов двух видов: дообучение предварительно обученной модели обнаружения и обучение модели с нуля. Для формирования обучающей и оценочных выборок использовались изображения лиц из открытой базы данных Flickr-Faces-HQ Dataset. В статье приведены параметры обучения, показаны графики потерь классификации и локализации, произведена оценка точности работы обученных моделей, а также продемонстрирована работа обученной с нуля модели обнаружения «SSD MobileNet V2 FPNLite 320×320», которая получила самые высокие оценки точности после обучения с нуля и после дообучения. Для программ с требованием по IoU обнаруживаемых объектов больше 0,5 точность работы модели составила 99,9 %. Результаты экспериментов могут быть использованы в различных исследованиях, в которых применяется платформа TensorFlow для обнаружения объектов на изображениях, и производится обнаружение объектов только одного класса.

DOI: 10.34020/2073-6495-2022-2-228-238
Добавить в корзину
Товар добавлен в корзину