СОВРЕМЕННЫЕ АРХИТЕКТУРЫ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ, ПРИМЕНЯЕМЫЕ ДЛЯ ЗАДАЧ КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЙ

УДК 004.83
DOI: 10.36871/2618-9976.2023.08.005

Авторы

Максим Евгеньевич Колобаев,
Студент кафедры информационных систем и технологий, Ярославский государственный технический университет
Даниил Александрович Прытыка,
Студент кафедры информационных систем и технологий, Ярославский государственный технический университет
Дарья Олеговна Михайлова,
Студент кафедры информационных систем и технологий, Ярославский государственный технический университет
Елена Ивановна Воеводина,
Старший преподаватель кафедры информационных систем и технологий, Ярославский государственный технический университет
Александр Викторович Юрченко,
Начальник отдела научной работы, Ярославский филиал Финансового университета при Правительстве России

Аннотация

Сверточные нейронные сети (CNN) являются одним из наиболее распространенных подходов для классификации изображений. Они позволяют автоматически извлекать признаки из изображений и использовать их для определения категории, к которой относится каждое изображение. В настоящей статье рассмотрены несколько архитектур глубоких нейронных сетей, обладающих большой вычислительной мощностью, таких как AlexNet, VGG и ResNet, и описаны основные преимущества каждой из этих архитектур.

Ключевые слова

искусственный интеллект
сверточные нейронные сети
распознавание изображений
классификация изображений
сверточный слой
архитектура нейронной сети